法國人工智能公司 Mistral 正式進軍機器人領域，發佈了名為 Robostral Navigate 的視覺導航模型。這是該公司首次將大模型能力從純語言與代碼生成，拓展至物理世界的運動控制與空間感知。
該模型參數量為 80 億（8B），核心亮點在於極簡的硬件需求：僅憑單個 RGB 攝像頭採集的二維圖像，即可引導機器人在完全陌生的室內環境中自主行進。Mistral 聲稱，這一方案在 R2R-CE 基準測試（一種衡量機器人在未見過的環境中遵循自然語言指令導航能力的標準測試）中取得了 76.6% 的成功率。經過 CISPO 強化學習技術的進一步微調後，成功率攀升至 79.4%。
Mistral 表示，這一成績不僅超越了所有已知的單攝像頭方案，甚至優於部分依賴深度傳感器或多攝像頭融合的系統。這意味著，未來機器人導航可能不再需要昂貴的激光雷達或深度相機，僅靠普通攝像頭與端側模型即可實現較高精度的環境理解與路徑規劃。
從技術路線看，Robostral Navigate 完全在模擬環境中完成訓練，未使用任何真實世界採集的物理數據。訓練數據涵蓋約 40 萬條在 6000 個不同虛擬空間中錄製的路徑軌跡。這種“仿真到現實”（Sim-to-Real）的遷移能力，使得模型天然具備跨形態的泛化性——Mistral 明確表示，該模型可直接部署於輪式、足式乃至飛行機器人平臺，無需針對特定機械結構重新訓練。
Mistral 將導航能力視為“通用機器人”的基石。公司在技術博客中指出，強化學習實驗已帶來 3.2 個百分點的成功率提升，且曲線未見收斂跡象，暗示繼續擴大訓練規模仍有顯著收益空間。“我們有信心，更多的訓練和實驗將持續推高這一數字，”Mistral 在聲明中寫道。
不過，Robostral Navigate 目前仍處於研發展示階段。Mistral 尚未透露模型何時向開發者或企業客戶開放，也未說明將以開源還是 API 形式發佈。考慮到 Mistral 此前在語言模型領域採取“開放權重與商業授權並行”的策略，市場普遍關注其是否會將同樣思路複製到具身智能產品線。
此次發佈的時間點正值全球科技巨頭加碼具身智能之際。谷歌 DeepMind 的 RT 系列、英偉達的 Isaac 平臺以及多家中國廠商均在推進視覺-語言-動作（VLA）模型。Mistral 以相對輕量的 8B 參數模型切入，若能在端側芯片上實現低延遲實時推理，將對倉儲物流、家庭服務機器人等成本敏感場景產生直接吸引力。
對 AI 產業投資者而言，這一動向強化了一個趨勢：大模型競賽正從純數字域向物理世界延伸，而歐洲團隊在資源遠遜於硅谷巨頭的條件下，仍能通過算法創新在關鍵基準上取得有競爭力的結果。後續需密切關注 Robostral Navigate 的實際開放計劃、硬件適配進展，以及 Mistral 是否會圍繞該模型構建開發者生態與商業閉環。