Robostral Navigate vedie robota podľa jednej kamery a slovného pokynu

Robostral Navigate je osemmiliardový model Mistralu pre navigáciu podľa obrazu a jazykového zadania. Má dostať robota napríklad z haly cez chodbu k určitej polici. Ako vstup používa jednu bežnú RGB kameru; nepotrebuje hĺbkový obraz ako vstup do samotného modelu. Technická správa bola predložená v júli 2026.

Táto voľba môže uľahčiť použitie na rôznych platformách, ale nehovorí, že reálny robot nepotrebuje ďalšie senzory pre bezpečnosť. Navigačný model a bezpečnostné zastavenie pri človeku sú rozdielne úlohy.

Model predpovedá bod, kam sa má robot presunúť, v aktuálnom obraze spolu s požadovanou orientáciou. Takýto spôsob môže byť menej závislý od rozmerov robota a parametrov kamery než jednotná sada priamo zadaných posunov. Ak cieľ nie je v zornom poli, opis systému počíta aj s pohybom v lokálnych súradniciach.

Autori uvádzajú približne 2,4 milióna tréningových trajektórií v 350-tisíc simulovaných scénach. Tréning pracuje s celými epizódami a opätovne využíva spoločný prefix. To má znížiť opakované spracovanie rovnakého kontextu. Následné učenie posilňovaním zlepšuje skúmanie prostredia a zotavenie z chýb.

Produktový text uvádza úspešnosť 76,6 percenta na nevidených prostrediach R2R-CE, zatiaľ čo abstrakt tretej verzie technickej správy uvádza 77,4 percenta. Čísla preto nemožno bez poznámky zamieňať. Podstatné je, že ide o konkrétny navigačný benchmark, nie o garantovanú úspešnosť v sklade zákazníka.

Pri praktickom posudzovaní treba preveriť osvetlenie, ľudí v pohybe, stratu výhľadu a reakciu na nejednoznačné zadanie. K tomu pribúda lokálne riadenie pohonu a spôsob bezpečného prerušenia. Mistral odkazuje záujemcov na svoj tím; oznámenie neuvádza univerzálny cenník hotového robota. Výsledok je zaujímavý smer vývoja navigácie, ktorého hranice sa musia overiť na konkrétnom stroji.

Jedna kamera zároveň znamená, že model pracuje len s tým, čo v danom okamihu vidí a čo si zachová z minulých pozorovaní. Pre praktické skúšky je preto dôležitá zmena zorného poľa, prekrytie objektov a rozdiely medzi tréningovým a skutočným prostredím. Ukážka prechodu kanceláriou môže demonštrovať schopnosť, ale neposkytuje úplnú mapu zlyhaní v rušnej prevádzke s nepredvídateľnými prekážkami.