DepescheModelle9. Juli 2026neu

Mistral steigt in die Robotik ein: Robostral Navigate steuert Roboter mit einer einzigen Kamera

Mistral AI hat am 9. Juli 2026 mit Robostral Navigate sein erstes Robotik-Modell vorgestellt: ein 8-Mrd.-Parameter-Modell, das einen Roboter allein anhand einer einzelnen RGB-Kamera und einer Sprachanweisung durch unbekannte Umgebungen navigiert – ohne LiDAR oder Tiefensensoren. Auf dem Navigations-Benchmark R2R-CE erreicht es laut Mistral 79,4 % Erfolgsrate auf der bekannten und 76,6 % auf der unbekannten Validierungs-Aufteilung und übertrifft damit laut Anbieter die beste Einzelkamera-Methode um 9,7 und mehrsensorische Systeme um 4,5 Punkte. Das Modell läuft auf rollenden, laufenden und fliegenden Robotern.

Robostral Navigate ist ein 8-Mrd.-Parameter-Modell, das Bildstrom und Sprachbefehl auf Navigationsentscheidungen abbildet. Es arbeitet ausschließlich mit einer einzelnen RGB-Kamera – ohne LiDAR, Tiefenkamera oder zusätzliche Sensorik – und generalisiert laut Mistral über verschiedene Roboter-Bauformen (rollend, laufend, fliegend) und -Größen hinweg.

Trainiert wurde das Modell vollständig in Simulation: rund 400.000 Trajektorien über 6.000 verschiedene Szenen. Ein Prefix-Caching-Verfahren senkt laut Mistral die Zahl der Trainings-Token um den Faktor 22; eine anschließende Online-Reinforcement-Learning-Stufe (Algorithmus CISPO) hebt die Erfolgsrate noch einmal um 3,2 Punkte, „ohne erkennbares Plateau“. Auf dem Standard-Benchmark R2R-CE (Room-to-Room, Continuous Environments) meldet Mistral 79,4 % (Validation seen) bzw. 76,6 % (Validation unseen).

Einordnung: Sämtliche Kennzahlen stammen aus Mistrals eigener Ankündigung und sind unabhängig noch nicht bestätigt; der Vergleichsvorsprung (9,7 Punkte gegenüber der besten Einzelkamera-Methode, 4,5 gegenüber Mehrsensor-Systemen) ist anbieter-selbstberichtet. Angaben zu API, Preis, Lizenz oder frei herunterladbaren Gewichten fehlen zum Ankündigungszeitpunkt – damit ist noch offen, ob und wie Entwickler das Modell praktisch einsetzen können.

// Einordnung der Redaktion

Warum das relevant ist

Bislang stand Mistral für Sprach-, Code- und OCR-Modelle; mit Robostral Navigate stößt das französische Labor erstmals in die verkörperte KI (Embodied AI / Vision-Language-Action) vor – ein Feld, das sonst von US-Häusern und NVIDIA besetzt ist. Der technische Kern ist die Sensor-Sparsamkeit: Wenn eine gewöhnliche RGB-Kamera genügt, um mit natürlicher Sprache zu navigieren, sinken Hardware-Kosten und Integrationsaufwand gegenüber LiDAR-/Multisensor-Stacks deutlich. Einordnung: Die genannten Zahlen sind Mistrals eigene Messungen (anbieter-selbstberichtet) und unabhängig noch nicht reproduziert; zu Verfügbarkeit, Lizenz und offenen Gewichten macht Mistral bislang keine Angabe – ob das Modell wie frühere Mistral-Releases offen wird, ist offen.