Por Canuto  

Mistral AI lanzó Robostral Navigate, un modelo de 8.000 millones de parámetros que permite a robots moverse por espacios desconocidos usando una sola cámara RGB y órdenes en lenguaje natural.

***

  • Robostral Navigate obtuvo 76,6% en validación no vista y 79,4% en entornos vistos del benchmark R2R-CE.
  • El modelo busca reemplazar LiDAR, sensores de profundidad y configuraciones de múltiples cámaras con imágenes RGB estándar.
  • El lanzamiento ocurre mientras Europa intenta recuperar terreno frente al avance de China en robótica humanoide.

 

El laboratorio francés Mistral AI presentó Robostral Navigate, un modelo de 8.000 millones de parámetros diseñado para que robots naveguen espacios desconocidos con una sola cámara y una instrucción en lenguaje natural.

El lanzamiento, realizado el 14 de julio, amplía la actividad de Mistral más allá de los modelos de lenguaje de peso abierto. La empresa con sede en París ahora busca desarrollar sistemas capaces de controlar máquinas físicas en entornos reales.

Una cámara y una orden para dirigir robots

Robostral Navigate pretende simplificar la arquitectura habitual de los robots autónomos. Según Mistral AI, el modelo puede operar sin sensores de profundidad, LiDAR ni configuraciones compuestas por varias cámaras.

En su lugar, el sistema interpreta flujos de imágenes RGB, el formato estándar capturado por cámaras convencionales. También procesa instrucciones escritas o habladas en lenguaje sencillo para determinar el recorrido que debe seguir una máquina.

La demostración presentada por la empresa incluyó una orden precisa: “Sal de la recepción, camina por el pasillo, entra a la sala de suministros y detente frente al segundo estante”. El robot debía interpretar cada etapa y desplazarse hasta el punto indicado.

Mistral afirmó que Robostral Navigate puede funcionar en robots con ruedas, patas y sistemas voladores. La compañía también señaló que el modelo se adapta a diferentes tamaños de máquinas y tipos de cámaras.

Esta flexibilidad representa una apuesta por reducir la complejidad del hardware. Si el sistema mantiene su rendimiento fuera de los entornos de prueba, podría facilitar la incorporación de capacidades autónomas en plataformas con configuraciones más sencillas.

El rendimiento frente a sistemas con más sensores

Robostral Navigate alcanzó una tasa de éxito de 76,6% en la validación no vista del benchmark R2R-CE. En el conjunto de entornos vistos, el modelo obtuvo 79,4%.

El benchmark R2R-CE, cuyo nombre alude a la navegación de sala a sala en entornos continuos, mide la capacidad de un robot para desplazarse entre ubicaciones siguiendo instrucciones. La validación no vista resulta especialmente relevante porque evalúa espacios que no aparecieron durante el entrenamiento.

De acuerdo con la presentación de Mistral, el resultado no visto superó en 9,7 puntos porcentuales al mejor método de una sola cámara. El modelo también quedó 4,5 puntos por encima del sistema más sólido basado en sensores de profundidad o múltiples cámaras.

La comparación es importante porque los sistemas tradicionales suelen combinar distintos sensores para calcular distancias y reconocer obstáculos. Robostral Navigate busca obtener resultados superiores mediante una entrada visual más limitada y una arquitectura capaz de interpretar el entorno.

Mistral advirtió que las puntuaciones todavía no están estabilizadas. La empresa presentó Navigate como un primer paso hacia agentes incorporados más amplios, no como una solución definitiva para todos los desafíos de la robótica autónoma.

Entrenamiento en simulación y aprendizaje por refuerzo

El modelo no se entrenó con datos provenientes de robots operando en el mundo real. Mistral generó aproximadamente 400.000 trayectorias dentro de 6.000 escenas completamente simuladas.

La simulación permitió crear recorridos variados sin enviar robots físicos a cada edificio o escenario. Este enfoque también puede reducir los costos y riesgos asociados con la recopilación de datos en instalaciones reales.

Para hacer más eficiente el entrenamiento, Mistral utilizó una técnica de almacenamiento en caché de prefijos. Según la empresa, este procedimiento redujo 22 veces la cantidad de tokens empleados durante el proceso.

El laboratorio también recurrió a un algoritmo de aprendizaje por refuerzo llamado CISPO. La técnica aportó 3,2 puntos porcentuales adicionales a la tasa de éxito del modelo.

El resultado muestra la combinación de tres elementos: datos generados en simulación, optimización del entrenamiento y aprendizaje por refuerzo. Sin embargo, el rendimiento final todavía dependerá de cómo responda el sistema ante obstáculos, iluminación y situaciones no contempladas en sus escenarios virtuales.

Europa intenta recuperar terreno en robótica

La llegada de Robostral Navigate ocurre en un momento complejo para la industria robótica europea. La región fue una fuerza industrial relevante desde la década de 1970, pero su participación de mercado se ha debilitado con el tiempo.

Nabil Belbachir, miembro de la junta de euRobotics, y otros dos coautores sostuvieron en un artículo de opinión publicado en junio que Europa está perdiendo parte de su base robótica. También señalaron que varios campeones anteriores terminaron bajo control extranjero.

Los autores argumentaron que los responsables de políticas públicas priorizaron el software de inteligencia artificial mientras trataron la robótica como un asunto secundario. Esa separación puede limitar la capacidad europea para convertir sus avances científicos en productos físicos competitivos.

Aun así, el capital continúa llegando al sector. Datos citados por el rastreador industrial EUACC indican que la financiación de capital para la robótica europea aproximadamente se duplicó hasta EUR €1.450 millones en 2025.

La cifra correspondió a más de 30 rondas superiores a EUR €10 millones. Entre las operaciones centrales estuvieron las de Neura Robotics, en Alemania, y Wandercraft, en Francia.

Una carrera dominada por China

Mistral se incorpora a una competencia cada vez más intensa en torno a la inteligencia artificial incorporada. Nvidia, Google DeepMind y Hugging Face también presentaron recientemente iniciativas relacionadas con la robótica.

La inteligencia artificial incorporada busca conectar modelos capaces de razonar con máquinas que perciben y actúan en el mundo físico. La navegación constituye una capacidad fundamental porque permite a un robot traducir una instrucción abstracta en movimientos concretos.

China ocupa una posición especialmente fuerte en el segmento de los robots humanoides. Morgan Stanley espera que el país envíe 50.000 unidades este año, según la información citada en la noticia.

Además, China representaba más del 80% de los más de 16.000 robots humanoides desplegados en todo el mundo durante 2025. Estas cifras evidencian la distancia que Europa debe cerrar para competir en producción, despliegue y escala industrial.

Robostral Navigate no resuelve por sí solo esa brecha. No obstante, el lanzamiento ofrece a Europa una pieza tecnológica enfocada en reducir los requisitos de hardware y en acelerar la llegada de modelos de IA a robots físicos.

El alcance potencial del modelo

La propuesta de Mistral puede resultar atractiva para fabricantes que buscan reducir el costo y el peso de sus plataformas. Una cámara RGB convencional es, en principio, menos compleja que una combinación de LiDAR, sensores de profundidad y varias cámaras.

La reducción de sensores también podría facilitar el mantenimiento de los robots. Una arquitectura con menos componentes especializados puede disminuir los puntos de falla, aunque el modelo deberá demostrar un comportamiento confiable en condiciones cambiantes.

El uso de lenguaje natural representa otro elemento relevante. En vez de programar cada recorrido con instrucciones técnicas, un operador podría describir una tarea mediante una orden cotidiana.

La capacidad de interpretar espacios desconocidos será determinante para aplicaciones fuera de laboratorios y fábricas controladas. Oficinas, almacenes y edificios públicos presentan obstáculos, distribuciones y condiciones de iluminación que pueden cambiar con frecuencia.

Por ahora, Mistral describe Navigate como una base para agentes incorporados más avanzados. La evolución del modelo dependerá de futuras pruebas, de su adopción por fabricantes y de la capacidad de trasladar sus resultados de la simulación al mundo real.

La carrera robótica europea todavía enfrenta competidores con mayor escala industrial. Con Robostral Navigate, Mistral AI intenta demostrar que una estrategia centrada en modelos eficientes y hardware simplificado puede abrir una nueva vía para el continente.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados