Das französische KI-Unternehmen Mistral AI erweitert sein Portfolio um ein erstes Modell für die Navigation eines Roboters. Robostral Navigate ist ein Modell, das einen Roboter allein auf Basis einer einzelnen RGB-Kamera und einer Anweisung in natürlicher Sprache durch Innenräume und Außenbereiche steuern können soll. Das soll ganz ohne Lidar, Tiefensensoren oder Multi-Kamera-Setups funktionieren, die bei vielen anderen Roboter-Navigationssystemen zum Einsatz kommen.
Laut Mistrals Blogbeitrag zu Robostral Navigate erreicht das Modell auf dem Benchmark R2R-CE (Room-to-Room in Continuous Environments) eine Erfolgsrate von 76,6 Prozent, wenn die Umgebung unbekannt ist. Das seien 9,7 Prozentpunkte mehr als der beste bisherige Einzelkamera-Ansatz und 4,5 Prozentpunkte mehr als das beste System mit Tiefen- oder Mehrkamera-Setup. In bereits bekannten Umgebungen komme das Modell auf 79,4 Prozent. Embodied AI ist ein Bereich, der gerade von zahlreichen Stakeholdern intensivereforscht wird; wie zum Beispiel vom MIT, das gerade das räumliche Langzeitgedächtnis-Framework DAAAM entwickelt hat.
Um sich durch die Umgebung zu navigieren, wählt Robostral Navigate eine Technik namens Pointing, bei der es die Bildkoordinaten des Zielorts im aktuellen Kamerabild sowie die gewünschte Ausrichtung beim Ankommen vorhersagt. Ist das Ziel nicht im Sichtfeld, wechselt es zu lokalen Koordinatenverschiebungen – etwa „2 Meter vorwärts, 1,5 Meter nach links, 25 Grad links drehen“. Laut Mistral macht der Pointing-Ansatz das Modell robuster gegenüber Änderungen, zum Beispiel von den Kamera-Einstellungen.
