✨︎ Resumen (TL;DR):
- Mistral presentó Robostral Navigate, un modelo de inteligencia artificial de 8,000 millones de parámetros para guiar robots.
- El sistema logra un 76.6% de éxito en entornos desconocidos utilizando únicamente una cámara RGB tradicional.
- La startup francesa busca eliminar la dependencia de sensores costosos como el LiDAR para avanzar en la IA física.
Robostral Navigate es un modelo de navegación autónoma que guía robots en espacios complejos utilizando únicamente una cámara RGB tradicional.
La propuesta de la startup francesa destaca por su simplicidad en hardware. Mientras la mayoría de las plataformas actuales exigen sistemas LiDAR o arreglos de múltiples lentes, este software opera con una sola toma de video estándar.
El truco de apuntar para no perder el rumbo
Para tomar decisiones de movimiento en tiempo real, Robostral Navigate utiliza una estrategia de apuntado directo sobre la imagen que capta en cada instante. El modelo señala las coordenadas de su próximo destino directo sobre su campo visual, en lugar de calcular distancias métricas complejas sobre un mapa tradicional.
Esta aproximación técnica permite que el software tolere cambios de hardware y variaciones en la escala visual. Si el objetivo queda fuera del campo de visión inmediato, el sistema recurre a instrucciones de movimiento directo en su propio marco de referencia, ordenando desplazamientos específicos en metros y giros en grados.
El robot se opera mediante instrucciones en lenguaje natural. Una orden simple como recorrer un pasillo y detenerse frente a un estante específico basta para que la máquina esquive obstáculos y personas por sí sola.
Los números de Mistral en las pruebas
La compañía respaldó la presentación con su rendimiento en la prueba estándar R2R-CE, un examen de navegación continua que mide el éxito de estos sistemas en espacios que no formaron parte de su entrenamiento previo.
Los resultados compartidos por Mistral muestran un desempeño destacado:
- Registra un 76.6% de éxito en entornos completamente nuevos para el modelo.
- Consigue un 79.4% de efectividad en espacios conocidos que ya formaban parte de su base.
- Supera por 9.7 puntos porcentuales al mejor método competidor de una sola cámara.
- Aventaja por 4.5 puntos a otros sistemas tradicionales que emplean sensores de profundidad o múltiples lentes.
La tecnología es compatible con dispositivos de ruedas, plataformas con patas y robots voladores de diferentes escalas. Sin embargo, Mistral aclara que estos porcentajes provienen de pruebas de laboratorio internas y aún no tienen validación externa de terceros. Tampoco se especificaron precios ni fechas de lanzamiento al público.
Entrenamiento virtual para el mundo físico
Para crear el modelo, la firma no utilizó bases de código abierto existentes, sino que lo estructuró desde cero a partir de su propio motor de visión especializado en ubicar y apuntar objetos. El desarrollo se realizó completamente en simuladores digitales, sin necesidad de realizar pruebas físicas iniciales en entornos reales.
La startup francesa generó cerca de 400,000 trayectorias de movimiento distribuidas en 6,000 escenarios virtuales.
Dos factores técnicos permitieron acelerar este proceso. Por un lado, un método de guardado en caché denominado prefix-caching redujo hasta 22 veces el consumo de tokens en el entrenamiento. Por otro, la aplicación del algoritmo de aprendizaje por refuerzo CISPO añadió 3.2 puntos adicionales de precisión tras permitir que el modelo aprendiera de sus propios tropiezos.
La empresa no planea detenerse aquí. De cara a un mercado de IA física que atrae inversiones masivas globales, Mistral se encuentra en negociaciones para levantar 3,000 millones de euros con una valuación que ronda los 20,000 millones de euros.
Con este desarrollo, la startup busca consolidar los cimientos de la interacción robótica directa. La compañía detalló que “Robostral Navigate es solo el primer paso hacia un agente encarnado unificado”, abriendo el camino para crear asistentes robóticos de propósito general capaces de resolver tareas complejas en la industria y la logística diaria.
