Mistral ha presentado Robostral Navigate, su primer modelo de inteligencia artificial diseñado para navegación embodied, capaz de guiar a un robot por entornos complejos utilizando únicamente una cámara RGB estándar y una instrucción en lenguaje natural, sin sensores de profundidad ni LiDAR. Se trata de un modelo de 8.000 millones de parámetros entrenado íntegramente en simulación a partir de unos 400.000 trayectorias generadas en 6.000 escenas. En el benchmark R2R-CE (Room-to-Room en entornos continuos) alcanza un 76,6% de tasa de éxito en validación no vista, 9,7 puntos por encima del mejor sistema con una sola cámara y 4,5 puntos por delante de la mejor arquitectura con varias cámaras o sensores de profundidad. Funciona sobre robots con ruedas, patas o incluso aéreos, y se muestra robusto ante variaciones en las intrínsecas de la cámara.
El sistema opera mediante un mecanismo de "apuntamiento": a partir de la tarea y del historial de observaciones, predice las coordenadas de imagen del siguiente punto al que debe desplazarse el robot, junto con la orientación de llegada. Cuando el objetivo queda fuera del campo de visión, recurre a desplazamientos en el marco de referencia local del robot. El entrenamiento se apoya en una estrategia de prefix-caching con enmascarado tipo árbol que comprime episodios completos en una sola secuencia, reduciendo los tokens de entrenamiento 22 veces frente al método tradicional. Tras el entrenamiento supervisado, Mistral aplica aprendizaje por refuerzo online con el algoritmo CISPO, lo que añade 3,2 puntos a la tasa de éxito final. La compañía enmarca el lanzamiento como un primer paso hacia un agente embodied unificado y ha abierto vacantes para ampliar su equipo de robótica.