Mistral AI近日正式发布Robostral Navigate具身导航大模型。该模型采用8B参数规模，仅依赖单目RGB相机即可驱动机器人在复杂动态环境中自主导航，在未参与训练的R2R-CE基准测试中取得76.6%的成功率，显著超越现有单目方案及多传感器系统。模型完全由团队自研，创新融合目标指向预测与局部坐标位移策略，有效适配相机内参变化与未知环境尺度。训练阶段，团队依托高保真仿真引擎构建约40万条轨迹数据集，并应用前缀缓存注意力掩码技术，将训练标记量削减22倍，使长序列训练周期从数月骤降至数日。监督学习完成后，模型引入CISPO在线强化学习算法进行试错优化，进一步提升3.2%成功率并有效缓解分布偏移问题。该技术可广泛部署于办公巡检、商业配送与工业物流等场景，大幅降低多模态传感器部署成本与算力门槛。作为具身智能基础能力的关键突破，该模型为通用机器人提供了高效可泛化的导航范式，标志着全场景自主移动体研发迈入新阶段。