Paris merkezli Mistral AI, ilk robotik modeli Robostral Navigate’i duyurdu. Model, fabrikalar, depolar ve endüstriyel otomasyon için tasarlanmış gömülü navigasyon (embodied navigation) sistemi olarak öne çıkıyor. Robostral Navigate, yalnızca tek bir sıradan kamera ve doğal dilde bir talimatla robotları gerçek ortamlarda yönlendirebiliyor. Bu lansman, Mistral’ın Mayıs ayında Avusturyalı Emmi AI’yı satın almasının ardından geldi.
Robostral Navigate, 8 milyar parametreli (8B) bir model. RGB görüntüler ve doğal dil talimatını alarak robotu ortamda hareket ettiriyor; LiDAR, derinlik sensörü veya birden fazla kameraya ihtiyaç duymuyor. Model, R2R-CE validation-unseen benchmark’ında %76,6 başarı oranına ulaşarak en iyi tek kameralı yaklaşımı 9,7 puan, en iyi derinlik veya çok kameralı sistemi ise 4,5 puan geride bıraktı.
Model tamamen simülasyonda, yaklaşık 400.000 yörünge ve 6.000 sahne üzerinde eğitildi. Tekerlekli, bacaklı ve uçan robotlar dahil olmak üzere farklı platformlarda genelleme yapabiliyor. Çalışma prensibi basit: Modele "Lobiden çık, koridordan yürü, depo odasına gir ve ikinci rafa dön" gibi bir talimat verildiğinde, robotu otonom olarak hareket ettiriyor.
Modelin altında yatan mekanizma, hedefin robotun mevcut kamera görüntüsündeki koordinatlarını ve varışta istenen yönelimi tahmin ederek bir sonraki hareketi belirliyor. Noktasal (pointing) yaklaşım sayesinde metrik yer değiştirmelere bağımlı kalmıyor, böylece kamera ayarları ve dünya ölçeğindeki değişikliklere karşı dayanıklı oluyor. Hedef mevcut görüntü alanının dışındaysa, "2 metre ileri, 1,5 metre sola git ve 25 derece sola dön" gibi yerel hareket komutlarına geçiyor.
Robostral Navigate, mevcut açık kaynak görsel-dil modellerine dayanmıyor; Mistral’ın noktalama, sayma ve nesne lokalizasyonuna odaklanan kendi görsel-dil modeli üzerine inşa edildi. Verimli bir simülasyon hattı ile eğitim verisi oluşturuldu ve önbellek ön eklemeli (prefix-caching) bir yöntemle tüm bölümler tek bir diziye sıkıştırılarak eğitim token sayısı 22 kat azaltıldı. CISPO adlı çevrimiçi pekiştirmeli öğrenme algoritması ile başarı oranı daha da artırıldı.
Neden önemli
Tek kameralı yaklaşım, donanım maliyetini ve entegrasyon karmaşıklığını önemli ölçüde azaltıyor. Çoklu sensör dizileri yerine öğrenilmiş algıya dayanan bu sistem, perakende, konaklama ve hafif sanayi gibi alanlarda navigasyon öncelikli robotların kullanımını yaygınlaştırabilir. Ayrıca Mistral’ın bir temel model şirketinden robotik bölümü olan bir yapıya dönüşmesi, Avrupa’nın kendi yapay zeka yığınını oluşturma çabalarını hızlandırıyor. Emmi AI satın alması, fizik ve simülasyon tarafını güçlendirirken, simülasyonda eğitilmiş navigasyonun gerçek fabrikalarda ne kadar başarılı olacağı sektörün yakından takip ettiği bir konu.
