Mistral AIは近日、自律型ロボット向けナビゲーションモデル「Robostral Navigate」を正式に発表した。同モデルは80億パラメータ規模であり、RGBカメラ1基のみで複雑な環境における自律移動を実現する。深層センサやLiDAR、マルチカメラ構成を一切採用せずとも、R2R-CEベンチマークの unseen 検証で76.6％という成功率を達成し、既存の単一カメラ方式を9.7ポイント、複数センサー併用型を4.5ポイント上回る性能を示した。 Robostral NavigateはMistral AIの完全内製モデルであり、既存のオープンソースVLMを基盤としていない。ナビゲーション能力は、物体検出やグラウンディング機能を拡張する形で構築された。学習データは約6000シーン、40万本超のシミュレーション軌道から生成。Prefix-cachingを活用した木構造の注意力マスク戦略により、シークエンス全体を単一フォワードパスで処理可能にし、学習に必要なトークンを22倍削減。従来の数ヶ月かかる訓練を数日で完了させる効率的な教師あり学習を実現している。さらに、CISPOアルゴリズムによるオンライン強化学習を統合し、失敗からの回復や探査行動の獲得により成功率を3.2ポイント向上させている。 動作原理としては、目標位置を画像座標で指定するポイントイングベースの手法を主流とし、視野外の場合は局所座標系の移動指令に自動切り替わる。この設計により、カメラパラメータやスケールの変化に頑健なナビゲーションが可能となっている。 本モデルはオフィス、住宅、商業施設、屋外など多様な環境で実証済みであり、製造、物流、配達、ホスピタリティ分野での実用化が期待される。Mistral AIは同技術を汎用ロボットへの基盤能力構築への第一歩と位置づけ、シミュレーション大規模化と効率的学習の組み合わせにより、コンパクトなモデルで最先端の身体知能ナビゲーション達成可能性を実証した。同社は現在、ロボット分野の研究者およびエンジニアを積極的に採用中であり、自律移動技術のさらなる進化に向けた開発を加速している。