作者：默思編輯部 發布：2026-07-26
Mistral AI於2026年7月8日發布Robostral Navigate，這是該公司推出的第一款針對「具身導航（embodied navigation）」設計的模型，參數規模為80億。這款模型能理解自然語言描述的路線指令（例如「沿著走廊走到底，在第二個路口右轉」），並僅憑一個單一的RGB彩色相機畫面，就完成導航任務，不需要額外的深度感測器或光達（LiDAR）硬體支援。
傳統機器人導航系統，多半仰賴光達或深度攝影機這類能直接量測空間深度資訊的感測器，才能建立起環境的三維空間地圖。這類感測器成本較高、體積較大，也增加了機器人整體的硬體複雜度。Robostral Navigate只用一般的RGB相機（成本低廉、體積小、幾乎所有手機與消費性攝影機都具備），就能達到76.6%的成功率（在R2R-CE基準測試的未見過場景測試集上），代表這款模型某種程度上學會了「用視覺線索推斷空間深度」的能力，而不需要額外硬體直接提供深度資訊。
如果只用一般相機就能達到接近使用昂貴感測器的導航能力，長期而言有機會大幅降低機器人的硬體成本門檻，讓導航能力這項過去需要額外硬體投資的功能，變成幾乎所有具備基本攝影機的機器人都能透過軟體升級取得的能力。這類「用軟體智慧彌補硬體感測器不足」的技術路線，也是近年具身智能領域一個重要的發展方向。
在「未見過的場景」測試集上達到76.6%的成功率，代表這款模型具備一定程度的泛化能力（能應用到訓練時沒看過的環境），但距離接近100%的可靠度、能實際部署在對安全性要求極高的場域（例如需要導盲的輔助機器人），仍有進步空間，這類基準測試成績更適合視為技術發展階段的參考指標，而不是「已經完全解決」的宣告。
Mistral AI過去以語言模型聞名，這次跨足具身導航領域，反映出頂尖AI公司正在把語言模型積累的技術能量，延伸應用到機器人這類需要處理真實物理世界資訊的領域，語言模型與機器人控制的技術邊界正在快速模糊化。
如果你想建立起這類跨領域AI應用所需要的程式設計基礎，歡迎參考我們平台的課程：Python課程