Mistral запускает Robostral Navigate, свою первую робототехническую модель
- Mistral AI выпустила модель Robostral Navigate с 8 миллиардами параметров, позволяющую роботам ориентироваться в сложных пространствах с помощью одной RGB-камеры и простых текстовых инструкций без использования LiDAR или датчиков глубины.
- Она набрала 76,6% на бенчмарке R2R-CE для неизведанных маршрутов, превзойдя как одноканальные, так и мультисенсорные аналоги, хотя результаты получены в симуляции, а не на реальных роботах.
- Новое решение важно для операторов складов, заводов и логистических компаний, поскольку система, использующая только камеру, может значительно снизить стоимость роботизированного оборудования.
ИИ-компания Mistral AI представила в среду 8-миллиардную параметрическую модель под названием Robostral Navigate, которая управляет роботами с помощью одной камеры, что стало первым шагом французской компании в области физической ИИ-робототехники.
Запуск призван бросить вызов навигационным системам, требующим множества датчиков, которые используются на складах и фабриках.
Mistral AI создает новую навигационную систему на базе ИИ
Стартап со штаб-квартирой в Париже, оцененный в 11,7 миллиарда евро (около 13,4 млрд долларов) в ходе раунда Series C в сентябре, большую часть своего существования конкурировал с OpenAI в сфере текстов и кода. Однако его новая модель, Robostral Navigate, выводит компанию в совершенно другую технологическую категорию.
Согласно пресс-релизу Mistral, модель обеспечивает «воплощенную навигацию» (embodied navigation), позволяющую роботу перемещаться по офисам, домам, коммерческим зданиям и открытым пространствам без внешнего вмешательства.
Однако, в отличие от обычных моделей автономной навигации, которые полагаются на LiDAR, датчики глубины или несколько камер, работающих вместе, Robostral Navigate работает на основе одной RGB-камеры. Модели требуется лишь текстовая инструкция на обычном языке, подобная промпту для текстового ИИ, после чего она генерирует команды движения для ее выполнения.
Результаты испытаний Mistral AI
Mistral AI заявляет, что роботизированная ИИ-модель набрала 76,6% на валидационной выборке R2R-CE (unseen) — бенчмарке, измеряющем способность робота выполнять инструкции в средах, на которых он не обучался. Этот результат превзошел лучшие предыдущие показатели для систем с одной камерой на 9,7 балла, сообщает The News International.
AI Weekly сообщал, что модель также опередила многосенсорные системы, построенные на основе LiDAR и датчиков глубины, на 4,5 балла, показав результат 79,4% на валидационной выборке (seen).
Если эти разрывы сохранятся в реальных условиях, это будет иметь огромное значение для тех, кто интересуется промышленными роботами. По общему мнению в мобильной робототехнике, камеры сами по себе слишком ненадежны, поэтому полный набор датчиков обязателен. Система, использующая только одну камеру, которая соответствует или превосходит системы с полным набором датчиков, сократит затраты на компоненты для складской и производственной техники.
Скептицизм относительно использования в реальной жизни
Стоит отметить, что эти результаты получены в симулированных условиях, а не в реальной жизни. Mistral утверждает, что обучила модель на около 400 000 траекторий в 6 000 сценариях, используя метод, который, по заявлению компании, сократил количество обучающих токенов в 22 раза, а время обучения, ранее занимавшее месяцы, сократилось до дней.
Но, как отметила AI Weekly, компания не опубликовала никаких реальных результатов использования роботов или данных о задержках на устройстве. Инженеры также поставили под сомнение, достаточно ли хороша 76,6% успешность для развертывания в реальной жизни.
Также сообщается, что Mistral ведет переговоры о привлечении около 3 миллиардов евро (примерно 3,42 млрд долларов) при оценке компании около 20 миллиардов евро (около 23 млрд долларов).
Самые умные крипто-энтузиасты уже читают нашу рассылку. Хотите присоединиться? Присоединяйтесь.
Опейеми Олареводжу
Опейеми специализируется на создании и совершенствовании высококачественного контента, посвящённого криптовалютам, глобальным финансовым рынкам и экономике. Он окончил Университет Ибадан со степенью MBBS. Работал главным редактором редакционного издания своего колледжа и ранее в CFA. Более шести лет он обеспечивал уникальность материалов как новостной редактор в Cryptopolitan.
