Mistral AI lanserar Robostral Navigate för robotnavigering
Mistral AI har lanserat Robostral Navigate, en 8 miljarder parameter stor AI-modell för robotnavigering. Modellen möjliggör autonom rörelse i komplexa miljöer med enbart en vanlig RGB-kamera, och presterar bättre än system som använder flera sensorer.
Vad har hänt
Mistral AI har presenterat Robostral Navigate, en AI-modell med 8 miljarder parametrar avsedd för robotnavigering. Modellen uppnår hög prestanda på R2R-CE-riktmärket genom att endast använda en standard RGB-kamera. Robostral Navigate tolkar instruktioner på naturligt språk och styr robotar autonomt genom varierande miljöer, inklusive kontor, bostäder och utomhusområden.
Snabbfakta
| Modellnamn | Robostral Navigate |
|---|---|
| Antal parametrar | 8 miljarder |
| Sensorer krävs | En RGB-kamera |
| Framgångsrate R2R-CE (osett) | 76,6% |
| Utvecklare | Mistral AI |
”Mistral has launched Robostral Navigate, an 8 billion parameter AI model for robotic navigation that achieves state-of-the-art performance on the R2R-CE benchmark using only a single ordinary RGB camera.”
Varför det spelar roll
Traditionell robotnavigering förlitar sig ofta på flera sensorer såsom LiDAR, djupkameror och ett flertal RGB-kameror. Dessa sensorer medför kostnader, ökad vikt, komplexitet och integrationsutmaningar. Robostral Navigate förenklar tekniken genom att leverera jämförbar eller överlägsen navigeringsprestanda med en enda, vanligen förekommande, RGB-kamera.
Vem påverkas
Utvecklare inom robotik och tillverkare av autonoma system påverkas, då modellen minskar behovet av avancerad och dyr sensorteknik. Användare av robotar kan se fram emot mer kostnadseffektiva och enklare system, samt potentiellt bredare adoption av autonoma lösningar i olika miljöer.
EU-status
Mistral AI är ett europeiskt företag med huvudkontor i Frankrike. Robostral Navigate är därmed tillgänglig inom EU och understryker Europas position inom AI-utveckling. Utvecklingen sker inom ramen för EU:s regelverk för AI.
Mer att veta
Robostral Navigate uppnår 76,6% framgång på R2R-CE:s valideringssätt för osedda miljöer, vilket överträffar den bästa tidigare enkameralösningen med 9,7 procentenheter och system med djup- eller flera kameror med 4,5 procentenheter.
Snabba svar om den här nyheten
Vad har hänt?
När hände det?
Varför spelar det roll?
Påverkar det EU?
Länken öppnar i nytt fönster och leder till utgivarens egen sida.
Källan har spårats automatiskt från utgivaren via Aheadlines signalkedja.