TL;DR:
- Mistral lanzó Robostral Navigate, su primer modelo de inteligencia artificial para la navegación autónoma de robots.
- Alcanza 76.6% de éxito en el benchmark R2R-CE (entornos no vistos) usando una sola cámara RGB, sin LiDAR ni sensores de profundidad.
- La startup francesa entra de lleno en la carrera de la "IA física", aunque todavía no anunció fecha de disponibilidad.
Mistral presentó esta semana Robostral Navigate, su primer modelo de inteligencia artificial pensado para mover robots por el mundo real. Es un modelo de 8,000 millones de parámetros (8B) que recibe imágenes de una cámara y una instrucción escrita en lenguaje corriente, y con eso desplaza a un robot por oficinas, pasillos, almacenes o exteriores. Lo distinto está en el cómo. Mientras otros sistemas de navegación dependen de LiDAR, sensores de profundidad o varias cámaras a la vez, este se conforma con una sola cámara RGB común. Aun así, la compañía afirma que acierta el 76.6% de las veces en R2R-CE, la prueba estándar para seguir instrucciones en entornos que nunca vio durante el entrenamiento. Con el anuncio, la firma francesa mete un pie en la llamada IA física: el terreno donde el software deja la pantalla y aprende a operar máquinas.
Una sola cámara, sin LiDAR ni sensores de profundidad
La forma en que Robostral Navigate decide su próximo movimiento tiene nombre propio: apuntado. A partir de la imagen que ve en ese instante, el modelo señala dentro de esa misma foto las coordenadas del punto al que debe ir y la orientación con la que debe llegar. No calcula desplazamientos en metros contra un mapa; marca un objetivo en su propio campo de visión. Esa decisión de diseño lo vuelve resistente a los cambios de cámara y de escala, según explica Mistral.
¿Y cuando el destino queda fuera de lo que la cámara alcanza a ver? Ahí el modelo cambia de estrategia y pasa a instrucciones concretas de movimiento en su propio marco, del tipo "avanza 2 metros, 1.5 a la izquierda y gira 25 grados".
Todo arranca con una orden en lenguaje natural. Una instrucción como "sal del vestíbulo, cruza el pasillo, entra al cuarto de suministros y detente frente al segundo estante" basta para que el robot complete la tarea por su cuenta y esquive a las personas y los obstáculos que nunca le mostraron.
El siguiente video, publicado por Mistral, muestra al modelo recorriendo de forma autónoma una oficina real con una sola instrucción larga.
Los números que Mistral pone sobre la mesa
La empresa respalda el anuncio con resultados en R2R-CE (Room-to-Room in Continuous Environments), un examen donde el modelo debe seguir instrucciones en espacios que no formaron parte de su entrenamiento. Estas son las cifras y capacidades que reporta Mistral:
- 79.4% de éxito en la validación con entornos ya vistos y 76.6% en entornos nuevos, su resultado principal.
- Supera por 9.7 puntos al mejor método que también usa una sola cámara, y por 4.5 puntos a los sistemas que se apoyan en profundidad o en varias cámaras.
- Opera con una sola cámara RGB, sin LiDAR ni sensores de profundidad.
- Corre en robots con ruedas, con patas y voladores, y se adapta a distintos tamaños.
- Tolera diferencias en las características internas de la cámara, así que no exige un hardware específico.
Entrenado por completo en simulación
Mistral asegura que construyó el modelo desde cero, sin partir de un modelo de visión y lenguaje de código abierto ya existente. Lo inicializó a partir de su propio modelo de visión, especializado en ubicar objetos, contar y apuntar. De ahí, dice, la navegación surgió casi como consecuencia: una vez que el sistema entiende dónde están las cosas, aprende a moverse hacia ellas.
Todo el entrenamiento ocurrió en simuladores, no en pasillos reales. La empresa generó cerca de 400,000 trayectorias repartidas en 6,000 escenarios virtuales distintos. Dos piezas técnicas explican cómo logró que rindiera:
- Un método de entrenamiento basado en prefix-caching que, según la empresa, recorta en 22 veces la cantidad de tokens necesarios y convierte procesos que tomarían meses en corridas de días.
- Una fase posterior de aprendizaje por refuerzo con un algoritmo llamado CISPO, que dejó al modelo aprender de sus propios errores y sumó 3.2 puntos más de acierto.
Mistral remarca que no ve señales de estancamiento y que espera seguir empujando ese número hacia arriba con más entrenamiento y más experimentos.
Por qué Mistral apuesta por la robótica ahora
El movimiento no llega solo. Robostral Navigate es la entrada formal de Mistral en la IA física, la rama que busca que los modelos dejen de vivir en una ventana de chat y empiecen a mover máquinas. La propia empresa apunta a usos en manufactura, entrega de paquetes, logística y hospitalidad, sectores donde un robot que se orienta solo, con equipo barato, vale oro.
Detrás hay una carrera con mucho dinero en juego. PYMNTS reportó que la inversión hacia startups de IA física viene creciendo, a medida que la visión por computadora, el aprendizaje por refuerzo y la planificación en tiempo real vuelven comercialmente viables a las máquinas que hacen tareas físicas. Y Mistral, la gran apuesta europea frente a los laboratorios estadounidenses, está en conversaciones para levantar alrededor de 3,000 millones de euros con una valuación cercana a los 20,000 millones, según reportes recogidos por ese mismo medio. Nada de eso está cerrado, pero da la medida de la ambición.
La compañía dejó clara su meta de fondo:
"Robostral Navigate es solo el primer paso hacia un agente encarnado unificado."
Es decir, navegar es apenas el cimiento. El objetivo declarado es un robot de propósito general, y este modelo es la primera pieza de ese rompecabezas.
Preguntas rápidas sobre Robostral Navigate
¿Qué es Robostral Navigate?
Es el primer modelo de inteligencia artificial de Mistral para navegación de robots. Con 8,000 millones de parámetros, recibe imágenes de una cámara RGB y una instrucción en lenguaje natural, y con eso guía a un robot por un entorno sin planos previos ni sensores adicionales.
¿Con qué tipo de robots funciona?
Según Mistral, opera en robots con ruedas, con patas y voladores, y se adapta a distintos tamaños. También tolera diferencias en las características de la cámara, así que no depende de un hardware fijo para moverse por el espacio.
¿Por qué importa que use una sola cámara?
Los sistemas de navegación suelen necesitar LiDAR, sensores de profundidad o varias cámaras, lo que encarece y complica el equipo. Robostral Navigate se apoya en una sola cámara RGB común, lo que abarata y simplifica el hardware necesario para que un robot se oriente.
Por ahora, Robostral Navigate es una promesa medida en un benchmark y un video de demostración, no algo que alguien pueda instalar hoy en su robot. Pero deja sobre la mesa una idea que a la industria le interesa: mover un robot solo por un edificio lleno de gente puede depender más del modelo que del sensor, y una cámara común podría bastar donde antes se daba por hecho un costoso LiDAR.
