最佳單攝像頭機器人導航 AI 模型：Mistral 發佈 Robostral Navigate

Mistral 公司於昨日（7 月 8 日）正式發表其首款專為機器人導航設計的 AI 模型——Robostral Navigate。這款模型總參數量為 8B，最大亮點在於能讓機器人僅靠一顆普通的 RGB 攝像頭，就實現對複雜環境的自主導航，無須額外依賴深度感測器或光達（LiDAR）。Robostral Navigate 主要鎖定「具身導航」任務，目標是讓機器人像人類一樣，僅透過視覺畫面理解周遭空間並做出移動決策。根據 Mistral 官方公布的資訊，該模型在權威的 R2R-CE 基準測試中表現出色：在訓練集已涵蓋的場景（validation seen）中，導航成功率達到 79.

4%；而在模型從未見過的全新場景（validation unseen）中，成功率仍維持在 76.7%。這兩個數字不僅證明模型的泛化能力，更比採用深度感測器或多顆攝影鏡頭的最佳既有系統高出約 4 個百分點。值得關注的是，Robostral Navigate 完全不依靠昂貴或體積龐大的深度傳感器與雷射雷達，僅需一顆標準 RGB 攝像頭即可運作。這對於降低機器人硬體成本、簡化機構設計以及擴展應用場景具有顯著意義。無論是在辦公室、住宅、商業建築內部，還是在戶外環境，搭載該模型的機器人都能憑藉單一視覺輸入，辨識障礙物、規劃路徑並安全移動。

Mistral 強調，Robostral Navigate 完全由公司內部自主研發，且所有訓練工作均在模擬環境中完成。團隊建構了包含約 6000 個不同虛擬空間的訓練資料庫，並記錄了多達 40 萬條導航路徑。這種「純模擬訓練」的策略不僅大幅降低對真實世界數據收集的需求，也讓模型能夠接觸到極其多樣化的場景布置，從而提升其在真實環境中的適應能力。從應用角度看，Robostral Navigate 的設計具備高度通用性。官方說明指出，該模型適用於三種常見的機器人形態：輪式機器人、腿式機器人（如雙足或四足機械狗），以及飛行機器人（如無人機）。

這意味著無論是地面巡檢、室內配送，還是空中勘測，只要搭載一顆 RGB 攝像頭，都能借助同一套導航模型完成任務。在技術層面，Robostral Navigate 的亮點在於其對視覺訊息的深度理解與空間推理能力。傳統單視覺導航往往受限於缺乏深度資訊，容易誤判距離或無法處理遮擋；而 Mistral 的模型透過大規模模擬訓練，學會從二維影像中推斷三維結構與可行走區域，從而彌補缺少深度感測器的先天不足。業界普遍認為，將機器人導航從多感測器融合簡化為單攝影機方案，是降低商業化門檻的關鍵一步。

目前市面上多數自主移動機器人（AMR）仍需同時搭載光達、深度相機或超音波感測器，導致成本居高不下、功耗較大，且維護複雜。Robostral Navigate 的出現，為低成本、輕量化的機器人導航提供了新的可能。R2R-CE 基準測試是評估視覺語言導航（Vision-and-Language Navigation）中連續環境表現的重要指標。該測試要求機器人根據自然語言指令，在連續空間中即時規劃路徑，並避開動態障礙。Robostral Navigate 在該測試中取得的成績，尤其在未見過場景上的表現，證明其已具備相當的零樣本（zero-shot）遷移能力。

Mistral 並未透露 Robostral Navigate 的商業化時間表，也未說明是否會推出開源版本或 API 服務。不過，該公司表示，後續將持續優化模型在真實機器人平台上的部署效率，並探索與硬體廠商的合作可能。考慮到目前具身智能領域正處於快速發展階段，此一新模型有望為服務機器人、物流機器人、無人機配送等細分市場帶來更簡潔的感知方案。總體而言，Robostral Navigate 代表了視覺導航技術從多感測器冗餘走向極簡化的重要進展。當機器人僅需一顆攝影機便能勝任定位與導航，意味著未來家用清潔機器人、商用導覽機器人，甚至戶外農業無人機，都有機會以更親民的價格實現全自主移動。

Mistral 此舉，也讓業界再次關注純視覺方案在機器人導航領域的潛力。