Mistral发布8B单目具身导航模型Robostral

7月8日，Mistral正式进军物理AI领域，发布了其首个面向具身导航的模型——Robostral Navigate。该模型规模为8B参数，旨在通过自然语言指令引导机器人自主完成环境移动与导航任务，标志着Mistral的业务版图从软件语言模型向实体机器人控制扩展。

核心技术与数据训练

Robostral Navigate基于专门用于定位和指向等任务的视觉语言模型构建，通过理解物体位置来学习移动。该系统完全在仿真环境中进行训练，团队为此构建了高效的数据生成管线，收集了约40万条轨迹和6000个场景。此外，官方采用了一种prefix-caching配方，将训练token减少了22倍，把原本按月计算的训练周期大幅压缩至按天计算。

硬件要求与跨形态泛化

在硬件适配上，该模型打破了常规的多传感器依赖。它不需要LiDAR、深度传感器或多摄像头配置，仅通过一台普通RGB相机作为视觉输入即可工作，并且对相机的内在参数具备良好的鲁棒性。同时，该系统具备出色的跨平台泛化能力，可运行在轮式、足式和飞行机器人上，并能跨尺寸泛化，潜在应用场景涵盖配送、物流、制造和酒店等行业。

性能基准与表现

在权威的R2R-CE基准测试中，Robostral Navigate取得了当前最先进（SOTA）的表现。具体而言，在validation unseen（未见场景）上取得76.6%的成功率，在validation seen（已见场景）上为79.4%。官方强调，相比此前最佳的单摄像头方法，该模型的成功率高出9.7个百分点，且使用的资源更少。

2026-07-08 ~ 2026-07-09 · 12 条相关

一手来源

另有 1 条近重复转述:sophiamyang