Mistral、単眼カメラだけで動くロボットナビAI「Robostral Navigate」発表——8BでR2R-CE未見環境76.6%

結論から言うと、Mistral AIはロボットを「普通のカメラ1台」と言葉の指示だけで動かす方向へ進みました。Mistralは2026年7月8日、ロボット向けの新モデル「Robostral Navigate」を発表しました。

これは8B規模のモデルで、RGB画像と「廊下を進み、物置に入り、2番目の棚の前で止まる」のような自然文指示を受け取り、ロボットが次にどこへ進むべきかを推定します。深度センサー、LiDAR、複数カメラを使わず、1台の通常カメラだけで動く点が特徴です。

公式発表では、R2R-CEのvalidation unseenで成功率76.6%を達成し、最良の単眼手法を9.7ポイント、深度や複数カメラを使う最良手法を4.5ポイント上回ったと説明しています。学習は社内で構築したモデルを基に、約6,000シーン・40万軌跡のシミュレーションデータで行い、prefix-cachingで学習トークンを22分の1に削減。

オンライン強化学習で成功率をさらに3.2%改善したとしています。私たちに関係するのは、物流、製造、清掃、接客ロボットが高価なセンサーなしで動ける可能性です。ただし実世界の安全確認、責任範囲、販売形態はまだ慎重に見る必要があります。出典はMistral公式発表です。