La inteligencia artificial física, aquella que permite a los modelos interactuar con el mundo real a través de robots, se ha convertido en uno de los nuevos frentes tecnológicos. En este contexto, la startup francesa Mistral AI ha presentado Robostral Navigate, su primer modelo especializado en navegación robótica, una solución que busca simplificar uno de los mayores retos del sector: desplazar un robot de forma autónoma utilizando únicamente una cámara convencional y órdenes formuladas en lenguaje natural.
Frente a la mayoría de sistemas actuales, que necesitan combinar cámaras de profundidad, sensores LiDAR o configuraciones multicámara para interpretar el entorno, el nuevo modelo trabaja exclusivamente con una cámara RGB estándar. A pesar de esa simplificación del hardware, Mistral asegura que alcanza un 76,6% de éxito en el benchmark R2R-CE sobre escenarios no vistos durante el entrenamiento, la principal referencia para evaluar sistemas de navegación autónoma. La compañía afirma que este resultado supera en 9,7 puntos al mejor sistema basado únicamente en una cámara y en 4,5 puntos a las soluciones que utilizan sensores de profundidad.
Robostral Navigate está diseñado para que un robot interprete instrucciones como "sal de la recepción, cruza el pasillo, entra en el almacén y detente frente a la segunda estantería" sin necesidad de recibir órdenes intermedias. El sistema analiza las imágenes captadas por la cámara, interpreta el entorno y completa todo el recorrido de manera autónoma.
Según Mistral, el modelo puede desenvolverse en oficinas, edificios comerciales, viviendas, instalaciones industriales o espacios exteriores, adaptándose a obstáculos y personas presentes en el recorrido aunque nunca hayan formado parte de sus datos de entrenamiento.
Asimismo, la compañía señala que la solución puede ejecutarse sobre robots con ruedas, plataformas cuadrúpedas o drones, además de mantener un comportamiento estable incluso cuando cambian las características ópticas de la cámara instalada en cada dispositivo.
Uno de los aspectos más relevantes del desarrollo es que el modelo está construido íntegramente por Mistral y no parte de modelos abiertos de visión y lenguaje ya existentes. Para ello, el entrenamiento comenzó a partir de un modelo especializado en localización de objetos, conteo y tareas de percepción visual, capacidades sobre las que posteriormente aprendió a navegar.
Los investigadores desarrollaron una plataforma de simulación propia que ha permitido generar alrededor de 400.000 trayectorias distribuidas en más de 6.000 escenarios diferentes
Para acelerar ese proceso, los investigadores desarrollaron una plataforma de simulación propia que ha permitido generar alrededor de 400.000 trayectorias distribuidas en más de 6.000 escenarios diferentes, una metodología que facilita la incorporación de nuevos datos y reduce considerablemente el tiempo necesario para entrenar el sistema.
Además, Robostral Navigate incorpora una técnica de entrenamiento denominada prefix-caching, basada en una estrategia de atención jerárquica que reduce hasta 22 veces el número de tokens necesarios durante el aprendizaje. Según Mistral, este método permite completar entrenamientos que anteriormente requerían meses en apenas unos días sin perder calidad en los resultados.
La compañía también ha recurrido al aprendizaje por refuerzo online mediante el algoritmo CISPO para mejorar el comportamiento del robot tras la fase supervisada. Gracias a este proceso, el sistema aprende a recuperarse de errores, explorar nuevas rutas y adaptarse mejor a situaciones imprevistas. Mistral asegura que esta etapa incrementó por sí sola la tasa de éxito del modelo en 3,2 puntos porcentuales.
Con ello, el modelo funciona principalmente en un sistema de apuntado visual que identifica dentro de la imagen el siguiente punto hacia el que debe desplazarse el robot. Cuando el destino queda fuera del campo de visión, el sistema cambia automáticamente a instrucciones relativas de movimiento, indicando distancias y giros concretos para continuar el recorrido.
Para Mistral, Robostral Navigate representa el primer paso hacia agentes robóticos capaces de operar de forma autónoma en entornos reales.