Mistral bemutatja a Robostral Navigate-et: egyetlen kamerával navigáló robotmodell

A Mistral AI bejelentette a Robostral Navigate-et, az első, robotok autonóm navigációjára kifejlesztett modellt. Az 8B paraméterű mesterséges intelligencia csupán egy közönséges RGB kamera képét és szöveges utasítást felhasználva képes robotokat összetett környezetekben mozgatni. A megoldás jelentős előnyt jelent, mivel más rendszerek jellemzően mélységszenzorokra, LiDAR-ra vagy több kamerára támaszkodnak.

A modell az R2R-CE (Room-to-Room in Continuous Environments) benchmarkon 76,6%-os sikerességet ért el ismeretlen validációs környezetekben, amely 9,7 százalékponttal haladja meg a legjobb egyetlen kamerás megoldást, és 4,5 százalékponttal jobb, mint a mélységszenzorokkal vagy több kamerával dolgozó legjobb rendszer. A Robostral Navigate kerekesroboton, lábas és repülő roboton egyaránt működik, és különböző robotméretek között is általánosít.

A modell teljes egészében a Mistral AI-nál fejlesztették ki szimulált adatok és token-hatékony technikák felhasználásával. Az edzéshez körülbelül 400 ezer pályát gyűjtöttek 6 ezer jelenetből. Az előfixum-gyorsítótárazáson alapuló hatékony tanítási algoritmus 22-szeresére csökkentette a szükséges tanítási tokenek számát, így a hónapokig tartó edzésfolyamatok napokra rövidültek.

A Mistral online megerősítéstanulást alkalmazott a modell teljesítményének javítására. Az CISPO algoritmus segítségével a rendszer képes tanulni a próbálkozásokból, helyreállni a hibákból, és felfedezési viselkedéseket elsajátítani, amely önmagában 3,2%-kal javította a sikerességi arányt. A fejlesztők szerint nincs telítődés, és további edzés és kísérletek várhatóan tovább fogják növelni az eredményeket.

A Robostral Navigate alkalmazása a gyártástól a logisztikán és a szállítmányozáson át a vendéglátóiparig terjed. A Mistral AI szerint a navigáció alapvető képesség az általános célú robotika számára, és a fejlesztés csupán az első lépés egy egységes, testtel rendelkező mesterséges intelligencia felé.