法国ai公司mistral正式推出首款专为机器人导航打造的ai模型——robostral navigate，整体参数量仅为80亿（8b）。该模型使机器人仅依靠一枚普通rgb摄像头，即可在高度动态、结构复杂的环境中实现端到端自主导航，彻底摆脱对深度相机或激光雷达等专用感知硬件的依赖。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
该模型聚焦具身智能中的导航任务，适配场景广泛，包括办公空间、家庭住宅、商场与写字楼等室内环境，以及庭院、街道等典型户外区域。传统机器人导航系统往往需集成激光雷达或ToF深度传感器以构建三维空间地图，不仅推高整机成本，也显著增加系统集成与部署难度。而Robostral Navigate通过纯视觉理解能力，将感知、定位与路径决策整合于单一轻量模型中，仅需一颗标准RGB摄像头搭配8B规模模型，即可完成全栈式导航闭环。
“单目”胜“多模”，全新场景导航成功率突破76%
实测性能表现突出：在R2R-CE基准测试中，模型在训练数据覆盖场景下的任务完成率达79.4%，而在完全未见过的陌生环境中仍保持76.6%的成功率。尤为关键的是，其成绩较此前最优的单目视觉方案提升9.7分，甚至超越当前依赖深度传感器或多摄像头融合的最佳系统达4.5分。这标志着纯视觉单目导航已不再处于技术追赶阶段，而是真正实现对多模态方案的全面领先。
整个模型由Mistral团队独立研发，全程基于仿真环境训练，训练数据来自6000个风格迥异的虚拟空间，累计涵盖约40万条多样化导航轨迹。这种“纯仿真驱动”的训练范式大幅减少对真实世界标注数据的依赖，同时也有力印证了高质量合成数据在具身智能任务中向物理世界迁移的可行性与鲁棒性。
轮式、四足、飞行平台全覆盖，开源生态蓄势待发
在硬件兼容层面，Robostral Navigate支持轮式移动平台、腿式机器人（如四足机器狗）及空中无人机三大主流形态，可无缝适配仓储AGV、巡检机器人、服务型人形/四足设备以及低空自主飞行器等多种终端。同一套模型架构即可满足差异化运动控制需求，展现出极强的泛化能力与跨平台适配性。
作为欧洲最具代表性的开源AI力量之一，Mistral此前凭借多款高性能开源大语言模型广受关注；此次进军具身智能赛道，标志着其技术边界从“语言理解”迈向“物理交互”。当一个仅8B参数的模型，就能用一枚消费级摄像头完成复杂空间导航，机器人自主移动的硬件准入门槛正被彻底重构——这场以“轻量化、低成本、高通用”为特征的新一代导航技术竞赛，已然拉开帷幕。
