Robostral Navigate: 単一RGBカメラでロボット自律航行を実現
Mistral AIが、RGB画像のみを用いてロボットが複雑な環境を自律的に移動できる8Bモデル「Robostral Navigate」を発表した。R2R-CE未見データセットで76.6%の成功率を達成し、単一カメラ方式で最高9.7ポイント、深度センサーなど複数センサー搭載システムで4.5ポイント上回る性能を実現している。
導入部分では、Robostral Navigateが複雑な環境でのロボット自律航行を可能にする新しいアプローチを示す。単一のRGBカメラのみを使用し、深度センサーやLiDARを必要としない点が特徴である。ロボットは自然言語の指示とカメラ画像を入力として、目的地への移動を実現する。
性能とベンチマーク
Robostral Navigateは、R2R-CE検証セット（未見環境）で76.6%の成功率を達成した。同じ検証セット（既見環境）では79.4%の成功率を記録している。既存の単一カメラ方式と比較して9.7ポイント、複数センサーを搭載した最良システムと比較して4.5ポイント上回る性能である。
技術仕様と訓練方法
Robostral Navigateは完全に社内開発され、シミュレーション環境での訓練データのみを使用している。訓練データセットは約400,000の軌跡と6,000のシーン環境で構成される。モデルは指差しベースの航行により画像座標を予測する方式を採用している。
訓練の効率化のため、プレフィックス・キャッシング技術を導入することで、従来の1タイムステップあたり1サンプル方式と比べて訓練トークン数を22倍削減している。さらにオンライン強化学習（CISPO アルゴリズム）の適用により、成功率が3.2%向上した。
ロボット間の汎化性能
Robostral Navigateは、車輪型、脚型、飛行型など異なるロボット形態で動作する。また、異なるロボットサイズや、カメラの内部パラメータの違いに対しても堅牢性を備えている。
筆者の見立て
- 同技術は製造、配送、物流、ホテルサービスなど多くの分野での応用可能性を示唆している。
- ナビゲーション能力は汎用ロボットの基盤的な機能と論じている。
- コンパクトなモデルと単一RGBカメラのみで最先端の具体化ナビゲーション性能が達成できると解釈している。
- 「プラトーに達する兆候がないため、さらなる訓練と実験により性能向上が続くと確信している」と予想している。
この記事は元記事の事実のみに基づいて自動生成されました。
出典
Mistral AI「Robostral Navigate: single-camera AI navigation | Mistral AI」 https://mistral.ai/news/robostral-navigate/