Mistral AI stellt Robotik-Modell Robostral Navigate für Navigation mit nur einer RGB-Kamera vor

Mistral AI erweitert sein Portfolio um ein Robotik-Modell. Robostral Navigate soll autonome Navigation allein mit einer RGB-Kamera ermöglichen und erzielt laut Anbieter auf einem etablierten Benchmark bessere Werte als Systeme mit mehreren Sensoren.

Mistral AI hat am 9. Juli 2026 Robostral Navigate vorgestellt. Das Modell umfasst 8 Milliarden Parameter und verarbeitet RGB-Bilder sowie Anweisungen in Alltagssprache. Nach Angaben des Unternehmens erreicht es 76,6 Prozent auf R2R-CE validation unseen und 79,4 Prozent auf validation seen. Den Vorsprung beziffert Mistral AI auf 9,7 Punkte gegenüber dem besten Single-Camera-Ansatz und auf 4,5 Punkte gegenüber dem besten System mit Tiefensensoren oder mehreren Kameras.

Vorhersage des nächsten Bewegungsschritts

Robostral Navigate ist für autonome Navigation in Büros, Wohnungen, Geschäftsgebäuden und im Außenbereich ausgelegt. Laut Mistral AI sagt das Modell den nächsten Bewegungsschritt per Pointing voraus. Es bestimmt dazu Bildkoordinaten eines Zielpunkts im aktuellen Kamerabild sowie die gewünschte Orientierung am Ziel. Liegt das Ziel außerhalb des Sichtfelds, wechselt das System auf Bewegungsangaben im lokalen Koordinatensystem, etwa 2 Meter vorwärts, 1,5 Meter nach links und 25 Grad nach links.

Der Anbieter hebt hervor, dass das Modell ohne LiDAR und ohne Tiefensensoren auskommt. Es soll auf rollenden, laufenden und fliegenden Robotern laufen und über verschiedene Robotik-Größen hinweg generalisieren. Zudem beschreibt Mistral AI das System als robust gegenüber Unterschieden in den Kamera-Intrinsics. Als mögliche Einsatzfelder nennt das Unternehmen Fertigung, Auslieferung, Logistik und Gastgewerbe.

Training vollständig in Simulation

Nach Angaben von Mistral AI wurde Robostral Navigate vollständig intern entwickelt und basiert nicht auf bestehenden Open-Source-VLMs. Initialisiert wurde es aus einem eigenen Vision-Language-Modell für Grounding-Aufgaben wie Pointing, Zählen und Objektlokalisierung. Das Training erfolgte vollständig in Simulation. Als effiziente Technik nennt der Anbieter Prefix-Caching zur Reduktion des Token-Verbrauchs.

Mistral AI bezeichnet Robostral Navigate als sein erstes Modell für embodied navigation.