Mistral、単眼カメラロボット航法モデル「Robostral Navigate」発表
原題: Mistral's Robostral Navigate: a state of the art robotics navigation model
なぜ重要か
単眼カメラのみで既存マルチセンサー手法を凌駕したことは、低コスト・軽量ロボットへのAI航法普及を加速させ得る技術的転換点として業界的意義が大きい。
Mistral AIは2025年、ロボット向け具現化ナビゲーションモデル「Robostral Navigate」を発表した。パラメータ数80億（8B）のモデルで、単一のRGBカメラのみを使用し、深度センサーやLiDARなしでR2R-CEベンチマーク（未見環境）で76.6%の成功率を達成。既存の最良単眼カメラ手法を9.7ポイント、マルチセンサー手法を4.5ポイント上回った。
Mistral AIが発表した「Robostral Navigate」は、ロボットが自律的に複雑な環境を移動するために設計された同社初の具現化ナビゲーションモデルだ。パラメータ数は80億（8B）で、RGB画像と自然言語の指示を入力として受け取り、「ロビーを出て廊下を進み、備品室に入り、2番目の棚の前で止まれ」といった長距離・複合指示に対応してロボットを誘導する。
最大の特徴は、センサー構成の簡素さにある。他の多くのナビゲーションモデルが深度センサー、LiDAR、複数カメラを組み合わせるのに対し、Robostral Navigateは普通のRGBカメラ1台のみを使用する。それでもRoom-to-Room in Continuous Environments（R2R-CE）ベンチマークの未見環境検証において76.6%の成功率を記録し、最良の単眼カメラアプローチを9.7ポイント、深度センサーや複数カメラを使用する最良システムを4.5ポイント上回った。
モデルはMistral AIが完全に自社開発しており、シミュレーションデータとトークン効率化技術を活用して構築された。オフィス、住宅・商業施設、屋外環境など多様な環境への対応を想定しており、学習時に見ていない現実世界の障害物にも適応できる汎化性能を持つ。また、ロボットの種類を問わず動作し、指し示しベースのナビゲーションと強化学習を組み合わせることで継続的な性能向上を実現する設計となっている。Mistral AIはこのモデルを、統合型の具現化AIに向けた基盤と位置付けている。