Physical AIのMistral、単一カメラで動く初のロボット向けモデル「Robostral Navigate」を発表

フランスのAI開発企業Mistralが、初のロボット向けモデル「Robostral Navigate」を発表しました。新設した「AI Science Robotics」部門から生まれた80億パラメータのモデルで、1台の一般的なRGBカメラの映像と、平易な言葉による指示だけで、ロボットが複雑な空間を自律的に移動できるようにするものです。「ロビーを出て廊下を進み、資材室に入り、2番目の棚の前で止まる」といった自然言語の指示を、そのまま移動の動作に変換します。

従来のロボットの移動制御は、LiDARや深度センサー、複数のカメラを組み合わせて周囲を把握するのが一般的でした。Robostral Navigateはこうした高価なセンサー群を使わず、単一カメラのみで動作します。同社によれば、未知の環境での指示追従を測る標準的なベンチマークで約76.6%の成功率を示し、単一カメラの従来手法だけでなく、深度センサーや複数カメラを使うシステムをも上回ったとしています。

モデルは実世界のデータ収集を行わず、シミュレーションのみで学習されており、車輪型・脚型・飛行型など異なる形状のロボットに、大きな作り込みなしで展開できる「ハードウェア非依存」を掲げています。現時点では移動（ナビゲーション）に特化し、物体の把持や操作は対象外です。テキスト分野で「欧州版OpenAI」と評されてきたMistralが、物理世界で動くAI（Physical AI）へと領域を広げた動きとして注目されます。

Mistralについて
Mistralとは、2023年に設立されたフランス・パリ拠点のAI開発企業です。元DeepMindやMetaの研究者らによって立ち上げられ、オープンな大規模言語モデルを軸に、欧州を代表するAI企業の一つとして知られます。近年はオーストリアのEmmi AIを買収するなど、ロボット向けの「Physical AI」領域にも進出しています。研究開発力と効率的なモデル設計を強みに、テキストから物理世界まで幅広くAIを手掛けます。特定の国や大手クラウドに依存しない、主権的で開かれたAIの実現を目指す企業です。