Mistral Robostral Navigate：仅用RGB摄像头导航的机器人AI模型

Mistral AI不再仅仅是语言模型公司——2026年7月8日，该公司发布Robostral Navigate，正式进入全新类别，这是首款面向自主机器人导航的模型。这款80亿参数的模型与此前的语言模型有着根本性的区别：它能够根据自然语言指令引导机器人穿越物理环境，且仅使用单个RGB摄像头作为唯一传感器输入。

这家欧洲AI实验室进军机器人领域并未提前预告——Robostral Navigate以商业产品而非研究成果的姿态亮相，面向自主导航可取代人工物流的行业进行定位。

无地图、无深度传感器的导航

自主机器人导航的标准方法依赖丰富的传感器组合：用激光测量距离的LiDAR、通过三角测量重建深度的立体摄像头，有时还有追踪方位的IMU传感器。这些硬件成本高昂，安装复杂，且将模型与特定平台绑定。

Robostral Navigate摒弃了这一模式。模型仅接收单个RGB摄像头的输入——标准、廉价、随处可见。在没有深度或立体数据的情况下，它必须从这些二维图像中推断自身位置、行进方向以及如何规避路径上的障碍物。

这不仅在技术上令人感兴趣，更具有重要的实践意义。现有的网络摄像头、视频监控摄像头或手机内置摄像头现在就可以成为机器人自主导航的传感器输入，大幅降低了装备成本，并扩大了该模型可适用的平台范围。

Robostral Navigate的工作原理

在架构上，该模型采用所谓的**「指向式」导航方法**。模型并不构建复杂的环境地图或重建三维场景，而是预测摄像头视野内的目标坐标——字面意思上指示机器人应朝哪个方向移动。当目标超出视野范围时，模型切换为一系列局部位移指令：短步骤逐步引导机器人向目标前进，直到目标最终出现在摄像头画面中。

这种组合——对可见目标精确指向，对不可见目标增量移动——使系统在全局地图不可用或不及时更新的真实环境中表现稳健。

Robostral Navigate兼容三类机器人平台：轮式机器人、腿式机器人和飞行机器人（无人机）。模型设计对摄像头参数变化具有鲁棒性——焦距、畸变、分辨率——意味着它可以使用不同规格的摄像头，无需针对每个平台重新训练。

基准测试：超越单摄像头和多传感器系统

在真实环境导航的标准基准测试**R2R-CE（Room-to-Room Continuous Environments）**上，Robostral Navigate取得以下成绩：

• 已见环境（validation seen）成功率79.4%
• 未见环境（validation unseen）成功率76.6%

与竞争对手的对比背景尤为重要。Robostral Navigate超越单摄像头竞争对手9.7个百分点——对于使用相同类型输入数据的模型而言，这已相当出色。更令人印象深刻的是：它还超越了拥有深度数据访问权限的多传感器系统，领先4.5个百分点。RGB摄像头在同一任务上超越了LiDAR和立体系统。

这一结果并非增量式改进——它表明该模型的架构方法弥补了缺乏深度传感器所带来的信息缺口。

纯仿真训练

Mistral并未通过机器人在真实空间的物理实验来训练Robostral Navigate。该模型完全在仿真环境中构建，基于约6000个场景中的40万条轨迹——这种多样性和规模在物理环境中几乎不可实现。

训练在多个层面进行了优化。前缀缓存技术将训练token数量减少了22倍，在不牺牲模型质量的前提下大幅提升了训练计算效率。随后应用CISPO在线强化学习算法，额外带来3.2个百分点的性能提升——这在导航基准测试中具有统计和实际意义。

这一策略——纯仿真训练、真实物理条件评估——证明了仿真到现实的迁移可以在不进行昂贵物理实验的情况下有效运作，至少对于自然语言指令导航任务而言如此。

目标市场与可用性

Mistral明确列出了Robostral Navigate的四个目标市场：制造业、配送、物流和餐饮酒店业。这些都是自主导航具有高度自动化潜力的环境——工厂内部货物配送、酒店走廊巡逻、仓库货架间机器人导航。

目前该模型并不对外公开开放。有意向的用户被引导联系Mistral销售团队，这表明Robostral Navigate正处于商业试点和企业部署阶段，而非面向所有开发者开放的API。公开上线日期尚未公布。

对Mistral而言，Robostral Navigate不仅仅是产品组合中的又一款模型——这证明了欧洲AI实验室能够在实体AI领域具有竞争力地入场，而这一类别此前一直由拥有更大硬件预算的美国和亚洲玩家主导。