Mistral AI 发布 Robostral Navigate：单摄像头 AI 导航模型

Robostral Navigate 是什么？

2025 年，Mistral AI 发布了 Robostral Navigate，这是他们第一个专门为机器人导航设计的 AI 模型。它像一个 8B 参数的“大脑”，能接收普通摄像头拍到的画面和一句自然语言指令，比如“离开大厅，穿过走廊，进入储藏室，停下来面对第二个架子”，然后指挥机器人完成整个任务。

这个模型完全由 Mistral AI 内部开发，不依赖任何开源视觉语言模型。官方没有说明它是否开源，但强调它只用了一个普通 RGB 摄像头，没有深度传感器或激光雷达，就能在复杂环境中自主导航。

它如何工作？

Robostral Navigate 采用“指向式导航”方法。它根据当前摄像头画面，预测目标位置在图像中的坐标，以及到达时应该朝向的方向。这就像你看着一张照片，用手指指出“我要去那里”，而不是用尺子量距离。

如果目标不在视野内，它会改用局部坐标位移，比如“向前走 2 米，向左 1.5 米，左转 25 度”。这种方法让模型对摄像头参数和世界尺度变化不敏感，更灵活。

训练过程：模拟数据与高效算法

模型在模拟环境中训练，生成了约 240 万条轨迹，覆盖 35 万个场景。训练时使用了一种叫“前缀缓存”的高效算法，把整个任务压缩成一个序列，一次前向传播就能处理所有时间步，同时防止信息泄漏。

相比传统方法，这种算法减少了 22 倍的训练 token，把原本需要几个月的训练缩短到几天。这就像把一本厚书浓缩成一张思维导图，学起来又快又全。

强化学习提升性能

在监督训练后，Mistral AI 使用在线强化学习算法 CISPO 进一步优化模型。这让模型能从错误中学习，恢复失败，并探索新行为，解决了行为克隆的分布偏移问题。

这一阶段单独提升了 3.2% 的成功率。原文表示性能尚未达到平台期，更多训练和实验有望继续提升。

性能表现与优势

在 R2R-CE 基准上，Robostral Navigate 在验证 seen 上达到 79.4% 成功率，在 unseen 上达到 76.6%，超过了最佳单摄像头方法 9.7 分，也超过了使用深度或多摄像头系统 4.5 分，尽管它没有使用这些传感器。

模型能运行在轮式、腿式和飞行机器人上，并适应不同机器人尺寸和摄像头参数，展现出很强的泛化能力。

应用场景与未来

这项技术可用于制造、配送、物流和酒店等行业，让机器人自主完成长程任务，适应真实环境中未见过的人和障碍物。Mistral AI 认为导航是通用机器人技术的基础能力。

Robostral Navigate 只是迈向统一具身智能体的第一步。公司正在扩大机器人团队，并计划继续开发更强大的导航模型。

限制与适用人群

目前模型主要面向企业和研究机构，官方未说明个人使用方式。它依赖单摄像头，在目标超出视野时需依赖位移指令，可能影响精度。

适合对机器人导航感兴趣的开发者、研究人员和工业用户。小学生可以把它想象成一个聪明的向导，但实际部署需要专业知识和硬件支持。