Autonome robots die zelfstandig door gebouwen, magazijnen, kantoren of onbekende omgevingen bewegen, zijn een stap dichterbij gekomen. Het Franse AI-bedrijf Mistral AI presenteert Robostral Navigation, een geavanceerd vision-language-action-model dat robots begrijpt, laat redeneren én laat bewegen op basis van eenvoudige gesproken of geschreven instructies.
De opvallendste eigenschap? Het systeem heeft geen dure LiDAR-scanners, dieptesensoren of complexe camera-opstellingen nodig. Eén AI-model volstaat om verschillende soorten robots zelfstandig hun weg te laten vinden.
Van eenvoudige opdracht naar autonome navigatie
Waar traditionele robots vaak afhankelijk zijn van vooraf gemaakte kaarten of gespecialiseerde sensoren, werkt Robostral Navigation fundamenteel anders.
Een gebruiker hoeft slechts een natuurlijke instructie te geven, zoals:
- "Ga naar de vergaderruimte."
- "Zoek de uitgang."
- "Rijd naar de receptie."
Vervolgens interpreteert de AI de opdracht, analyseert de beelden van een gewone camera en bepaalt zelfstandig hoe de robot zijn bestemming bereikt.
Daarmee combineert het systeem drie disciplines in één model:
- visuele waarneming;
- taalbegrip;
- fysieke actie.
Deze combinatie staat bekend als een Vision-Language-Action (VLA)-model.
Geen LiDAR, geen dieptesensoren
Een van de grootste innovaties is juist wat ontbreekt.
Veel moderne autonome robots vertrouwen op:
- LiDAR-laserscanners;
- dieptecamera's;
- meerdere camera's rondom het voertuig;
- complexe sensormodules.
Robostral Navigation werkt uitsluitend met camerabeelden en AI. Dat verlaagt niet alleen de hardwarekosten aanzienlijk, maar maakt robots ook eenvoudiger, lichter en gemakkelijker schaalbaar.
Voor veel toepassingen kan dat een belangrijke economische doorbraak betekenen.
Eén AI-model voor drie totaal verschillende robots
Volgens Mistral AI draait hetzelfde 8 miljard parameter tellende model probleemloos op uiteenlopende robotplatformen.
Het systeem bestuurt onder meer:
- rijdende robots;
- viervoetige robots;
- vliegende drones.
Nog opmerkelijker is dat het model zich automatisch aanpast aan verschillende afmetingen en configuraties van robots, zonder telkens opnieuw volledig te moeten worden getraind.
Dat vergroot de inzetbaarheid van de technologie aanzienlijk.
Volledig getraind in een virtuele wereld
Een ander opvallend aspect is de manier waarop Robostral Navigation is ontwikkeld.
Het model werd volledig getraind in simulaties. Daardoor konden miljoenen navigatiescenario's worden geoefend zonder risico op schade aan fysieke robots. Na de virtuele training bleek het systeem de opgedane kennis succesvol te kunnen toepassen in de echte wereld.
Deze aanpak verkort de ontwikkeltijd, verlaagt de kosten en maakt het eenvoudiger om robots voortdurend nieuwe vaardigheden aan te leren.
State-of-the-art prestaties
Volgens Mistral AI behaalt Robostral Navigation momenteel de beste resultaten op de R2R-CE-benchmark, een veelgebruikte internationale test voor embodied AI en robotnavigatie.
Die benchmark meet onder meer:
- het begrijpen van natuurlijke taal;
- het vinden van routes;
- het vermijden van obstakels;
- het succesvol bereiken van een doel.
Sterke prestaties op deze benchmark tonen aan dat robots steeds beter menselijke instructies kunnen vertalen naar praktische acties.
Navigatie als fundament voor algemene robots
Mistral AI ziet navigatie niet als een afzonderlijke functie, maar als de basis voor de volgende generatie algemene robots.
Pas wanneer een robot zich zelfstandig veilig en betrouwbaar kan verplaatsen, kan hij complexere taken uitvoeren zoals:
- logistieke ondersteuning;
- magazijnbeheer;
- inspectiewerk;
- huishoudelijke assistentie;
- zorgondersteuning;
- industriële automatisering.
Autonome navigatie vormt daarmee het fundament waarop toekomstige multifunctionele robots worden gebouwd.
Een volgende stap in embodied AI
Met Robostral Navigation laat Mistral AI zien dat geavanceerde robotica niet noodzakelijk afhankelijk hoeft te zijn van steeds meer sensoren. Door krachtige taalmodellen te combineren met visuele intelligentie ontstaat een flexibeler systeem dat op uiteenlopende robots inzetbaar is.
De introductie past binnen een bredere ontwikkeling waarbij AI steeds vaker niet alleen digitale taken uitvoert, maar ook de fysieke wereld leert begrijpen en daarin zelfstandig kan handelen. Daarmee groeit embodied AI uit tot een van de belangrijkste pijlers van de toekomstige robotica.
