Mistral AI將在物理人工智能領域推出機器人模型

人工智能公司 Mistral AI 於週三發佈了一款名爲 Robostral Navigate 的 80 億參數模型，該模型使用單個攝像頭來控制機器人，標誌着這家法國公司首次涉足物理人工智能領域。.

此次發佈旨在挑戰目前倉庫和工廠廣泛使用的、依賴大量傳感器的導航系統。.

Mistral AI 利用人工智能打造新型導航系統

這家總部位於巴黎的初創公司在9月份的C輪融資中估值達117億歐元（約合134億美元），其發展歷程的大部分時間都在與OpenAI在文本和代碼領域展開競爭。然而，其新推出的Robostralnavigate模型卻將該公司推向了一個完全不同的技術領域。.

據 Mistral 新聞稿稱，該模型可處理“具身導航”，使機器人能夠在辦公室、住宅、商業建築和戶外空間中移動，而無需外部輸入。.

然而，與依賴激光雷達、深度傳感器或多個攝像頭協同工作的常規自主導航模型不同，Robostral Navigate 僅需單個 RGB 攝像頭即可運行。該模型只需要一條類似 AI 文本提示的簡單語言指令，即可生成執行該指令的運動命令。.

Mistral AI 試驗數量

Mistral AI公司表示，其機器人AI模型在R2R-CE未見環境驗證測試中取得了76.6%的成績。該基準測試旨在衡量機器人在未經訓練的環境中執行指令的能力。據《新聞國際》報道，這一成績比之前單攝像頭機器人模型的最佳成績高出 9.7分。

AI Weekly 報道稱 ，該模型在驗證測試中得分爲 79.4%，比基於 LiDAR 和深度信息的多傳感器系統高出 4.5 分。

如果這些差距在實際應用中依然存在，那麼對於工業機器人領域的人來說，這將至關重要。當然，移動機器人領域普遍認爲，單靠攝像頭過於脆弱，因此必須配備完整的傳感器堆棧。如果僅使用單個攝像頭就能達到甚至超越完整堆棧系統的性能，那麼倉庫和設施用機器人的零部件成本將會大幅降低。.

對實際使用情況的懷疑

值得注意的是，這些分數來自模擬情境而非真實情境。Mistral 聲稱 ，他們使用一種方法，在 6000 個場景中訓練了約 40 萬條軌跡，該方法據稱將訓練樣本量減少了 22 倍，並將以前需要數月才能完成的訓練縮短到只需幾天。

但正如《人工智能週刊》指出的那樣，該公司尚未公佈任何實際的機器人使用結果或設備端延遲數據。工程師們也質疑76.6%的成功率是否足以滿足實際部署的需求。.

據報道，Mistral還在洽談以接近 200 億歐元（約 230 億美元）的估值籌集約 30 億歐元（約 34.2 億美元）。

最頂尖的加密貨幣專家都在閱讀我們的簡報。想 加入他們？