- Mistral AI hat Robostral Navigate veröffentlicht, ein Modell mit 8 Milliarden Parametern, das Robotern ermöglicht, komplexe Räume mithilfe einer einzigen RGB-Kamera und Anweisungen in natürlicher Sprache zu navigieren – ohne LiDAR oder Tiefensensoren.
- Es erreichte 76,6 % auf dem R2R-CE-Unseen-Benchmark und übertraf sowohl Ein-Kamera- als auch Multi-Sensor-Wettbewerber, wobei die Ergebnisse jedoch aus Simulationen stammen und nicht von eingesetzten Robotern.
- Die neue Entwicklung ist für Betreiber von Lagern, Fabriken und Logistikunternehmen wichtig, da ein rein kamerabasiertes System die Kosten für Roboterhardware drastisch senken könnte.
Das KI-Unternehmen Mistral AI stellte am Mittwoch ein Modell mit 8 Milliarden Parametern namens Robostral Navigate vor, das Roboter mit einer einzigen Kamera steuert. Dies markiert den ersten Schritt des französischen Unternehmens in den Bereich der physischen KI.
Die Einführung zielt darauf ab, die sensorlastigen Navigationssysteme herauszufordern, die derzeit in Lagern und Fabriken eingesetzt werden.
Mistral AI entwickelt ein neuartiges Navigationssystem mit KI
Der in Paris ansässige Startup, das im September bei seiner Series-C-Runde auf eine Bewertung von 11,7 Milliarden Euro (ca. 13,4 Milliarden US-Dollar) kam, war bisher fast ausschließlich im Wettbewerb mit OpenAI im Bereich Text und Code tätig. Mit seinem neuen Modell Robostral Navigate betritt das Unternehmen jedoch eine völlig andere Technologiekategorie.
Laut einer Pressemitteilung von Mistral verarbeitet das Modell „embodied Navigation
Im Gegensatz zu herkömmlichen autonomen Navigationsmodellen, die auf LiDAR, Tiefensensoren oder mehreren zusammenarbeitenden Kameras basieren, läuft Robostral Navigate auf einer einzigen RGB-Kamera. Alles, was das Modell benötigt, ist eine Anweisung in einfacher Sprache, genau wie ein AI-Text-Prompt, woraufhin es die Bewegungsbefehle zur Ausführung erzeugt.
Mistral AI Testzahlen
Mistral AI gibt an, dass das robotische KI-Modell auf der R2R-CE-Validierung mit un gesehenen Daten 76,6 % erreichte – ein Benchmark, der misst, wie gut ein Roboter Anweisungen in Umgebungen befolgt, für die er nicht trainiert wurde. Dieser Wert lag laut The News International um 9,7 Punkte über den bisherigen Bestwerten für Single-Camera-Systeme.
AI Weekly berichtete, dass das Modell auch Multi-Sensor-Systeme, die auf LiDAR und Tiefensensoren basieren, um 4,5 Punkte übertraf, wobei es einen Validierungs-Wert von 79,4 % erzielte.
Falls diese Lücken auch im realen Einsatz bestehen, wäre dies für alle an Industrierobotern Interessierten von größter Bedeutung. Die allgemeine Annahme in der mobilen Robotik war bisher, dass Kameras allein zu fragil sind und ein vollständiger Sensorstack zwingend erforderlich ist. Ein System, das nur aus einer einzelnen Kamera besteht und vollwertige Sensorstack-Systeme gleichwertig übertrifft oder sogar übertrifft, würde die Stückkosten für Lager- und Facility-Maschinen erheblich senken.
Skepsis hinsichtlich des realen Einsatzes
Es ist erwähnenswert, dass diese Werte aus simulierten Szenarien stammen und nicht aus der realen Welt. Mistral gibt an, das Modell mit etwa 400.000 Trajektorien über 6.000 Szenen trainiert zu haben, unter Verwendung einer Methode, die nach Angaben des Unternehmens die Trainings-Tokens um den Faktor 22 reduzierte und Laufzeiten, die zuvor Monate dauerten, auf nur noch Tage verkürzte.
Wie jedoch AI Weekly feststellte, hat das Unternehmen keine tatsächlichen Ergebnisse zum Robotereinsatz oder Daten zur Latenzzeit auf dem Gerät veröffentlicht. Ingenieure haben zudem bezweifelt, ob eine Erfolgsquote von 76,6 % für den Einsatz im realen Leben ausreichend ist.
Mistral soll sich laut Berichten in Gesprächen befinden, um rund 3 Milliarden Euro (ca. 3,42 Milliarden US-Dollar) bei einer Bewertung von knapp 20 Milliarden Euro (etwa 23 Milliarden US-Dollar) aufzunehmen.
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Opeyemi Olanrewaju
Opeyemi spezialisiert sich auf die Erstellung und Verfeinerung hochwertiger Inhalte mit Fokus auf Kryptowährungen, globale Finanzmärkte und die Wirtschaft. Er absolvierte sein Studium an der University of Ibadan mit einem MBBS-Abschluss. Er war Chefredakteur der redaktionellen Publikation seines Colleges und zuvor bei CFA tätig. Seit über sechs Jahren sorgt er als News Editor bei Cryptopolitan für die Einzigartigkeit der Inhalte.
