フランスのAI企業Mistralは、ロボットナビゲーション向けの初のAIモデル「Robostral Navigate」を発表しました。パラメータ数は8Bにとどまります。このモデルにより、ロボットは単一の一般的なRGBカメラのみで、複雑な環境において完全自律的なナビゲーションが可能となり、深度センサーやレーダーに依存する必要がありません。

image.png

このモデルは主にエージェントナビゲーションタスクに焦点を当てており、オフィス、住宅、商業ビル、および屋外環境など、さまざまなシーンに対応しています。従来のロボットナビゲーションでは、周囲の空間を認識するためにレーダーや深度センサーが必要であり、ハードウェアコストや導入の複雑さが高かったです。Robostral Navigateはそのハードルを大幅に下げ、通常のカメラと8Bのモデルだけで、環境認識から経路計画までの完全な閉ループが可能です。

「単眼」で「多眼」を圧倒し、新たなシーンでの成功率は76％以上

性能データは非常に目立ちます。R2R-CEベンチマークテストにおいて、このモデルはトレーニングセット内に存在するシーンでの成功率为79.4％、見たことのない新しいシーンでは76.6％でした。特に注目すべきは、これは以前の最良の単カメラソリューションより9.7ポイント高く、深度センサーや複数カメラを使用した最良システムよりも4.5ポイント高いという点です。これにより、「単眼」ソリューションが「多眼」ソリューションと同等に達し、全面的な優位性を獲得したことがわかります。

このモデルはすべてMistralが内部で独自開発しており、シミュレーション環境でのみトレーニングされました。6,000の異なる仮想空間に配置された約40万件の記録パスを使用してトレーニングされました。このような純粋なシミュレーショントレーニング戦略により、現実世界のデータ収集への依存が大幅に低下し、同時に仮想環境でのトレーニングが現実シーンにどのように移行できるかを検証しました。

車輪型、脚型、飛行ロボットに対応し、オープンソースエコシステムの可能性が期待される

互換性に関して、Robostral Navigateは車輪型、脚型、飛行型の3つのロボットタイプに適用され、現在の主流のロボット形態をカバーしています。倉庫物流における車輪搬送ロボット、四足マシン犬、ドローンなど、同じナビゲーションモデルで対応可能で、汎用性が非常に高いです。

欧州で最も影響力のあるAI企業の一つであるMistralは、以前はオープンソースの大規模言語モデルで知られていましたが、今では具身知能分野に技術版図を広げています。8Bパラメータの小さなモデルで、1つのカメラで複雑なナビゲーションを実現できることから、ロボットの自律移動におけるハードウェアのハードルは再定義されており、この「軽量化ナビゲーション」の競争はおそらくまだ始まったばかりです。