Robostral Navigate: νέα γενιά ρομποτικού πλοήγησης με μία μόνο κάμερα

Το μοντέλο της Mistral AI επιτυγχάνει κορυφαία αποτελέσματα χρησιμοποιώντας μόνο μία RGB camera για πλοήγηση ρομπότ.

Η Mistral AI ανακοίνωσε το Robostral Navigate, ένα μοντέλο τεχνητής νοημοσύνης που επιτρέπει στα ρομπότ να κινούνται αυτόνομα χρησιμοποιώντας μόνο μία απλή RGB κάμερα. Αυτή η προσέγγιση αποτελεί σημαντική εξέλιξη, καθώς τα προηγούμενα συστήματα βασίζονταν στην πλοήγηση με πολλαπλούς αισθητήρες, όπως κάμερες βάθους ή LiDAR, τα οποία είναι πιο ακριβά και πολύπλοκα.

Το Robostral Navigate κατάφερε να πετύχει ποσοστό επιτυχίας 76,6% σε ένα σημαντικό benchmark της έρευνας για πλοήγηση σε άγνωστους χώρους, το R2R-CE (Room-to-Room in Continuous Environments). Πρόκειται για μία μέτρηση που δοκιμάζει την ικανότητα του ρομπότ να ακολουθεί οδηγίες και να προσανατολίζεται σε νέα περιβάλλοντα. Σύμφωνα με την εταιρεία, το ποσοστό αυτό ξεπερνάει τα προηγούμενα μοντέλα, είτε χρησιμοποιούσαν μόνο μία κάμερα, είτε συνδύαζαν πολλούς αισθητήρες.

Η εκπαίδευση του μοντέλου έγινε εξ ολοκλήρου από την ομάδα της Mistral AI, που αξιοποίησε μια εκτεταμένη βάση δεδομένων προσομοιωμένων διαδρομών και περιβαλλόντων. Υπάρχει, όμως, διχογνωμία όσον αφορά το μέγεθος του συνόλου εκπαίδευσης: η επίσημη πηγή αναφέρει περίπου 2,4 εκατομμύρια διαδρομές μέσα σε 350.000 διαφορετικές σκηνές, ενώ δευτερεύουσα αναφορά μιλά για 400.000 διαδρομές σε 6.000 σκηνές. Η εταιρεία δεν έχει σχολιάσει αυτή τη διαφορά.

Το ξεχωριστό χαρακτηριστικό του Robostral Navigate είναι ο καινούργιος τρόπος εκπαίδευσης με την τεχνική που ονομάζεται prefix-caching, η οποία μειώνει κατά 22 φορές τον όγκο των δεδομένων που χρειάζονται για την εκπαίδευση, επιτρέποντας να ολοκληρωθεί σε λίγες ημέρες αντί για μήνες. Επιπλέον, χρησιμοποιείται ένας αλγόριθμος ενισχυτικής μάθησης (reinforcement learning) που ονομάζεται CISPO και, σύμφωνα με την εταιρεία, αυξάνει την επιτυχία κατά 3,2% σε σχέση με την απλή επίβλεψη.

Το μοντέλο λειτουργεί προβλέποντας σημεία προς ένδειξη στο τρέχον οπτικό πεδίο και τη ζητούμενη κατεύθυνση. Αν ο στόχος δεν είναι ορατός, βασίζεται σε τοπικές συντεταγμένες που καθορίζουν την επόμενη κίνηση. Η ευελιξία αυτή επιτρέπει τη χρήση του σε διάφορους τύπους ρομπότ — τροχοφόρα, με πόδια ή ακόμα και ιπτάμενα — και είναι ανθεκτικό σε διαφορές μεταξύ διαφορετικών καμερών.

Σε αντίθεση με άλλα μοντέλα πλοήγησης, το Robostral Navigate δεν βασίζεται σε έτοιμους ανοιχτού κώδικα μηχανισμούς όρασης και γλώσσας, αλλά αποτελεί προϊόν αποκλειστικής ανάπτυξης της Mistral AI.

Η εταιρεία επιβεβαίωσε ότι το Robostral Navigate είναι ήδη διαθέσιμο, αλλά δεν έχει ανακοινώσει λεπτομέρειες για την πρόσβαση μέσω API ή το κόστος χρήσης. Παράλληλα, η περαιτέρω ανάπτυξη συνεχίζεται.

Με το Robostral Navigate, η Mistral AI φέρνει μια πιο οικονομική και απλή λύση στην αυτονομία των ρομπότ, που θα μπορούσε να εφαρμοστεί σε βιομηχανία, υπηρεσίες και άλλους τομείς όπου η ρομποτική πλοήγηση είναι κρίσιμη. Η χρήση μόνο μιας κάμερας μειώνει το κόστος και την πολυπλοκότητα, διευρύνοντας τις δυνατότητες ευρείας χρήσης.