Robostral Navigate

Spec

Attribute	Value
Developer	Mistral AI
Released	2026-07-08
Announced	2026-07-08
Context window	unknown
Pricing	unknown
License	미정 (초기 릴리스는 공개 가중치가 아니다)
Availability	unknown
Parameters	8B
Sensors	단일 RGB 카메라 (깊이 센서·LiDAR 불필요)
Input	현재 카메라 이미지 + 자연어 내비게이션 지시
Output	포인팅 — 목표 위치의 이미지 좌표 + 도착 시 원하는 방향
Training environment	시뮬레이션 전용 (실제 로봇 데이터 불필요)
RL algorithm	CISPO (온라인 RL, 성공률 +3.2%p 개선)
Deployment	하드웨어 비종속 (모든 로봇 플랫폼)

Release Date

2026-07-08. Mistral 블로그로 발표됐고(source) Bloomberg 가 보도했다.

Benchmarks

Benchmark	Robostral Navigate	기존 최고 (단일 카메라)	기존 최고 (깊이·다중 카메라)
R2R-CE (Room-to-Room in Continuous Environments) — validation unseen	76.6%	약 66.9%	약 72.1%
깊이 센서나 다중 카메라를 쓰는 것들을 포함해 기존 모든 내비게이션 시스템을 앞선다 — 둘 다 쓰지 않으면서다.

Method

Robostral Navigate 는 포인팅 으로 로봇의 이동을 예측한다. 현재 카메라 프레임을 받아 목표 지점의 픽셀 좌표와 접근 방향을 출력한다. 거리 변위를 명령하는 방식과 달리 카메라 내부 파라미터와 세계 스케일의 변화에 강건하다. 훈련은 전부 시뮬레이션 기반이며 정책 개선에 CISPO 온라인 RL 알고리즘을 쓴다.

Use Cases

복잡한 물리 환경에서의 자율 로봇 내비게이션:

• 제조 (조립 라인 이동, 바닥 로봇)
• 배송 (라스트마일 실내·창고 로봇)
• 물류 (창고 내비게이션)
• 접객 (홀 서비스 로봇)

Significance

Robostral Navigate 는 Mistral 의 첫 로보틱스 모델로, 언어·코딩 영역에서 물리 AI 로의 중요한 확장이다. 요점:

1. 시뮬레이션 전용 훈련이 sim-to-real 격차를 좁힌다: 순수 시뮬레이션 훈련으로 R2R-CE SOTA 를 달성했다는 것은, 이 분야의 sim-to-real 전이 문제가 기존 통념보다 해결에 가까움을 시사한다.
2. 단일 카메라 제약이 곧 장점: 배치된 로봇 대부분은 이미 RGB 카메라를 갖췄지만 깊이 센서나 LiDAR 는 없다. 카메라만 요구하는 SOTA 모델은 채택의 하드웨어 문턱을 크게 낮춘다.
3. 8B 급: 클라우드 추론이 필요한 7B 이상 VLM 기반 접근과 달리 온디바이스(로봇 엣지 컴퓨트)에서 돌 만큼 작다.
4. 하드웨어 비종속: 포인팅 기반 인터페이스가 지각과 구동을 분리해, 모델을 로봇 하드웨어 간에 이식할 수 있게 한다.

Compared To

Model	Org	Sensors	R2R-CE	Notes
Robostral Navigate	Mistral	RGB 만	76.6%	신규 SOTA, 시뮬레이션 전용 훈련
Gemini Robotics ER 1.6	Google DeepMind	다중 센서	—	산업 검사 (계기 판독 93%), 다른 과제
Cosmos 3 Super	NVIDIA	멀티모달	—	월드 모델 / 범용, 다른 접근

Sources

• Mistral blog — Robostral Navigate
• Bloomberg — Mistral robotics push
• [sources/blogs/mistral-2026-07-08-robostral-navigate.md]

Related

• Mistral AI — 개발사
• Embodied Agents — 물리 AI 맥락
• Gemini Robotics ER 1.6 — 경쟁 로보틱스 모델 (DeepMind)
• Cosmos 3 Super — NVIDIA 의 공개 물리 AI 모델