Mistral AI pokazał swój pierwszy model do nawigacji robotów i twierdzi, że wystarczy mu zwykła kamera RGB tam, gdzie konkurencja montuje LiDAR i zestawy czujników głębi. Robostral Navigate, model liczący 8 miliardów parametrów, osiąga 76,6 procent skuteczności na benchmarku R2R-CE, wyprzedzając zarówno rozwiązania jednokamerowe, jak i systemy wyposażone w drogi sprzęt sensoryczny.
Kluczowe fakty:
- Mistral AI zaprezentował 8 lipca 2026 roku model Robostral Navigate liczący 8 miliardów parametrów, przeznaczony do nawigacji robotów z wykorzystaniem wyłącznie jednej kamery RGB – bez LiDAR-u, czujników głębi ani kamery stereo.
- Model osiąga 76,6 procent skuteczności na benchmarku R2R-CE w wariancie z nieznanymi scenami, co według Mistrala przewyższa najlepsze dotychczasowe rozwiązania jednokamerowe o 9,7 punktu oraz systemy wyposażone w czujniki głębi o 4,5 punktu.
- Robostral Navigate to pierwszy produkt nowo powołanej jednostki AI Science Robotics w ramach Mistrala, a robot sterowany jest poleceniami w języku naturalnym i prowadzony przez środowiska, których wcześniej nie widział podczas treningu.
Premiera odbyła się 8 lipca 2026 roku i oznacza coś więcej niż kolejny model w portfolio paryskiej firmy. To pierwszy produkt nowo powołanej jednostki AI Science Robotics i pierwszy wyraźny sygnał, że Mistral chce grać w robotyce na poważnie, nie tylko dostarczać language modele do czatbotów.
Robostral Navigate przyjmuje obraz z jednej kamery RGB oraz polecenie w języku naturalnym, na przykład takie:
„Wyjdź z lobby, przejdź korytarzem, wejdź do magazynu i zatrzymaj się przodem do drugiego regału.”
Na tej podstawie model prowadzi robota przez środowisko, którego wcześniej nie widział. Żadnego LiDAR-u, żadnych czujników głębi, żadnej kamery stereo. Jedna zwykła kamera i model, który sam decyduje, dokąd i jak się ruszyć.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Wynik, który podważa dotychczasowy standard
Punktem odniesienia w branży jest R2R-CE (Room-to-Room in Continuous Environments), test sprawdzający, czy robot potrafi wykonać instrukcję słowną w środowisku, którego nie widział podczas treningu. Robostral Navigate osiąga na nim 79,4 procent skuteczności w wariancie ze znanymi scenami i 76,6 procent w wariancie z nieznanymi scenami. Według Mistrala to wynik lepszy o 9,7 punktu od najlepszego dotychczasowego podejścia jednokamerowego oraz o 4,5 punktu od najlepszego systemu wykorzystującego głębię lub wiele kamer.
Innymi słowy: model bez dodatkowego sprzętu bije rozwiązania, które ten sprzęt mają. To bezpośrednie uderzenie w logikę, na której od lat opiera się większość stosów nawigacyjnych w robotyce przemysłowej.
Jak to działa: nawigacja przez wskazywanie
Mechanizm, na którym opiera się model, Mistral nazywa nawigacją przez wskazywanie (pointing). Zamiast liczyć przemieszczenie w metrach, model analizuje bieżący obraz z kamery i wskazuje współrzędne piksela, w stronę którego robot ma się poruszyć, razem z docelową orientacją po dotarciu na miejsce. Taki sposób działania jest odporny na różnice w parametrach kamer i skali świata, ponieważ nie opiera się na sztywnych założeniach metrycznych.
Kiedy cel leży poza polem widzenia kamery, model przełącza się na tryb przemieszczeń względnych w lokalnym układzie współrzędnych robota, na przykład:
„Przesuń się 2 metry do przodu, 1,5 metra w lewo i skręć o 25 stopni w lewo.”
Model powstał w całości wewnątrz firmy i nie bazuje na żadnym istniejącym otwartym modelu wizyjno-językowym. Punktem wyjścia był model Mistrala wyspecjalizowany w zadaniach typu grounding, czyli wskazywaniu, liczeniu i lokalizowaniu obiektów na obrazie. Nawigacja wyrosła z tych umiejętności naturalnie: model, który wie gdzie co jest, uczy się jak się tam dostać.
Skąd dane i dlaczego trening trwał dni, nie miesiące
Zespół zbudował własny, w pełni symulowany pipeline generowania danych treningowych. W ten sposób powstał zbiór około 400 tysięcy tras zebranych w 6 tysiącach scen, całkowicie w symulacji, bez konieczności nagrywania materiału w prawdziwym świecie.
Kluczowym elementem treningu jest technika oparta na prefix-caching, wykorzystująca maskowanie uwagi w strukturze drzewa. Cały epizod nawigacyjny kompresowany jest do jednej sekwencji, co pozwala trenować na wszystkich krokach czasowych w jednym przejściu w przód, bez wycieku informacji między krokami. Efekt: 22-krotna redukcja liczby tokenów treningowych względem podejścia, w którym każdy krok liczy się osobno. Mistral twierdzi, że dzięki temu trening, który zająłby miesiące, kończy się w dni.
Po fazie treningu nadzorowanego model przeszedł jeszcze etap uczenia ze wzmocnieniem online (algorytm CISPO), który sam podniósł skuteczność o 3,2 punktu procentowego. Zespół deklaruje, że nie widzi jeszcze spłaszczenia krzywej wyników, co sugeruje dalszy potencjał wzrostu.
Komentarz redakcyjny
Piszę o modelach językowych od dawna, ale ten przypadek śledzę z inną uwagą, bo dotyczy fizycznego świata, nie tylko tekstu na ekranie. Zastąpienie LiDAR-u i kamer stereo jedną zwykłą kamerą to nie jest kosmetyczna optymalizacja. To potencjalna zmiana kosztu wejścia w autonomiczną nawigację o rząd wielkości, bo tania kamera RGB kosztuje ułamek tego, co pełny stos sensoryczny.
Trzymam jednak dystans do liczb podanych przez samego producenta. Benchmark R2R-CE to test w warunkach kontrolowanych, a odległość między wynikiem na papierze a zachowaniem robota w realnym magazynie pełnym ludzi, wózków widłowych i nieprzewidywalnych przeszkód bywa spora. Mistral sam przyznaje, że nie ujawnił jeszcze żadnych informacji o dostępności modelu, co oznacza, że na razie mówimy o zapowiedzi badawczej, nie o produkcie gotowym do wdrożenia.
Pytanie, które mnie interesuje najbardziej, dotyczy niezawodności w długim horyzoncie czasowym. Jedna kamera to jeden punkt awarii: zabrudzona soczewka, złe oświetlenie, odbicie w szkle mogą zmylić model, którego LiDAR by nie zmylił. Czy oszczędność na sprzęcie nie odbije się na przewidywalności działania w warunkach przemysłowych, gdzie awaria robota potrafi zatrzymać całą linię? To pytanie, na które odpowiedzą dopiero wdrożenia, nie benchmarki.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Miejsce w większej strategii Mistrala
Robostral Navigate nie pojawia się w próżni. To kolejny element strategii, którą Mistral konsekwentnie buduje od kilku miesięcy. W maju 2026 roku firma podpisała pięcioletnie partnerstwo z Airbusem obejmujące zastosowania AI w lotnictwie komercyjnym, śmigłowcach, obronności i przestrzeni kosmicznej, a także osobną umowę z BMW dotyczącą modeli trenowanych na archiwum symulacji zderzeniowych przekraczającym petabajt danych. Przy okazji pierwszej konferencji Mistrala w Paryżu firma formalnie uruchomiła ofertę „Mistral for Industrial Engineering” z Airbusem, BMW, EDF i CMA CGM jako klientami startowymi.
Robostral Navigate wpisuje się w tę samą logikę: przenieść ciężar firmy z modeli konwersacyjnych w stronę fizycznego świata, produkcji, logistyki i przemysłu ciężkiego, gdzie konkurencja ze strony amerykańskich lub chińskich laboratoriów AI jest na razie znacznie słabsza niż w segmencie chatbotów.
Firma zapowiada też dalszy rozwój zespołu robotycznego i aktywnie rekrutuje badaczy oraz inżynierów, co sugeruje, że Robostral Navigate to dopiero pierwszy krok w kierunku szerszego, zunifikowanego agenta ucieleśnionego (embodied AI), łączącego nawigację z manipulacją i innymi zdolnościami fizycznymi.
Kontekst rynkowy: robotyka wraca na ścieżkę wzrostu
Globalny rynek robotów przemysłowych zaczął się odradzać w 2025 roku, głównie dzięki rynkom azjatyckim, gdzie liczba dostaw wzrosła o 5,1 procent, a przychody o 0,8 procent. Prognozy na najbliższe pięć lat zakładają stabilny wzrost napędzany rozszerzaniem automatyzacji na nowe procesy i branże. Jednym z motorów tego wzrostu jest sama sztuczna inteligencja: rozwój infrastruktury pod centra danych AI generuje bezpośredni popyt na roboty produkujące ten sprzęt, a oprogramowanie oparte na AI zwiększa możliwości maszyn już działających na liniach produkcyjnych.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Gęstość robotyzacji w polskim przemyśle rosła w ostatnich latach, ale w tempie, które trudno nazwać imponującym. Według danych Międzynarodowej Federacji Robotyki liczba robotów na 10 tysięcy pracowników wzrosła w Polsce z 71 do 78, czyli o 10 procent, jednak w 2023 roku polski przemysł kupił aż o 15 procent mniej nowych robotów niż rok wcześniej. Branża wskazuje na rosnące koszty pracy po podwyżkach płacy minimalnej jako czynnik, który wymusza transformację, przy jednoczesnym niedoborze kapitału na inwestycje.
W takim kontekście model typu Robostral Navigate ma znaczenie praktyczne, nie tylko technologiczne. Polscy integratorzy automatyki, tacy jak AIUT z Gliwic czy liczne firmy wdrażające roboty mobilne w magazynach i halach produkcyjnych, od lat mierzą się z barierą kosztową: pełny stos sensoryczny z LiDAR-em i kamerami głębi potrafi znacząco podnieść cenę wdrożenia, szczególnie w mniejszych zakładach, które nie mają budżetu porównywalnego z Airbusem czy BMW.
Kilka obszarów, w których tańsza nawigacja jednokamerowa może realnie obniżyć próg wejścia w automatyzację:
- magazyny i centra logistyczne, gdzie roboty mobilne muszą poruszać się wśród ludzi i zmiennych przeszkód
- hotelarstwo i obiekty usługowe, gdzie koszt pełnego stosu sensorycznego dotąd wykluczał opłacalność wdrożenia
- małe i średnie zakłady produkcyjne, które nie mogą sobie pozwolić na drogie systemy LiDAR
- sektor dostaw ostatniej mili, gdzie waga i koszt sensorów mają bezpośrednie przełożenie na ekonomikę floty
Polska nie ma na razie własnego gracza konkurującego bezpośrednio z Mistralem w segmencie embodied AI. To, co dzieje się w Paryżu, obserwuję jednak jako sygnał dla krajowych integratorów: koszt wejścia w autonomiczną robotykę mobilną może w ciągu najbliższych kwartałów spaść na tyle, że opłacalność automatyzacji obejmie firmy, które dotąd zostawały poza tym trendem z powodu budżetu, nie braku potrzeby.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz oficjalnego komunikatu Mistral AI z dnia 8.07.2026, a także materiałów The Decoder, Bloomberg, Euronews, France24, Automotive World, Silicon Republic, TheAIInsider oraz AI Weekly. Dane o polskim rynku robotyzacji pochodzą z raportu PolskiPrzemysl.com.pl opartego na badaniach Interact Analysis i danych Międzynarodowej Federacji Robotyki. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się informacji o dostępności modelu Robostral Navigate oraz kolejnych wdrożeniach przemysłowych Mistrala.
