法国人工智能公司 Mistral 正式进军机器人领域，发布了名为 Robostral Navigate 的视觉导航模型。这是该公司首次将大模型能力从纯语言与代码生成，拓展至物理世界的运动控制与空间感知。
该模型参数量为 80 亿（8B），核心亮点在于极简的硬件需求：仅凭单个 RGB 摄像头采集的二维图像，即可引导机器人在完全陌生的室内环境中自主行进。Mistral 声称，这一方案在 R2R-CE 基准测试（一种衡量机器人在未见过的环境中遵循自然语言指令导航能力的标准测试）中取得了 76.6% 的成功率。经过 CISPO 强化学习技术的进一步微调后，成功率攀升至 79.4%。
Mistral 表示，这一成绩不仅超越了所有已知的单摄像头方案，甚至优于部分依赖深度传感器或多摄像头融合的系统。这意味着，未来机器人导航可能不再需要昂贵的激光雷达或深度相机，仅靠普通摄像头与端侧模型即可实现较高精度的环境理解与路径规划。
从技术路线看，Robostral Navigate 完全在模拟环境中完成训练，未使用任何真实世界采集的物理数据。训练数据涵盖约 40 万条在 6000 个不同虚拟空间中录制的路径轨迹。这种“仿真到现实”（Sim-to-Real）的迁移能力，使得模型天然具备跨形态的泛化性——Mistral 明确表示，该模型可直接部署于轮式、足式乃至飞行机器人平台，无需针对特定机械结构重新训练。
Mistral 将导航能力视为“通用机器人”的基石。公司在技术博客中指出，强化学习实验已带来 3.2 个百分点的成功率提升，且曲线未见收敛迹象，暗示继续扩大训练规模仍有显著收益空间。“我们有信心，更多的训练和实验将持续推高这一数字，”Mistral 在声明中写道。
不过，Robostral Navigate 目前仍处于研发展示阶段。Mistral 尚未透露模型何时向开发者或企业客户开放，也未说明将以开源还是 API 形式发布。考虑到 Mistral 此前在语言模型领域采取“开放权重与商业授权并行”的策略，市场普遍关注其是否会将同样思路复制到具身智能产品线。
此次发布的时间点正值全球科技巨头加码具身智能之际。谷歌 DeepMind 的 RT 系列、英伟达的 Isaac 平台以及多家中国厂商均在推进视觉-语言-动作（VLA）模型。Mistral 以相对轻量的 8B 参数模型切入，若能在端侧芯片上实现低延迟实时推理，将对仓储物流、家庭服务机器人等成本敏感场景产生直接吸引力。
对 AI 产业投资者而言，这一动向强化了一个趋势：大模型竞赛正从纯数字域向物理世界延伸，而欧洲团队在资源远逊于硅谷巨头的条件下，仍能通过算法创新在关键基准上取得有竞争力的结果。后续需密切关注 Robostral Navigate 的实际开放计划、硬件适配进展，以及 Mistral 是否会围绕该模型构建开发者生态与商业闭环。