Robostral Navigate من Mistral: روبوت يرى بكاميرا واحدة ويتنقل بمفرده

قدّمت Mistral AI نموذج Robostral Navigate، وهو أول نموذج للشركة مخصص للملاحة الذاتية للروبوتات. يتحرك النموذج في الفضاء اعتمادًا على فيديو من كاميرا RGB عادية واحدة، ويحقق نسبة نجاح 76,6% في اختبار R2R-CE للبيئات التي لم يصادفها أثناء التدريب.

ما الذي يستطيع النموذج فعله

Robostral Navigate نموذج بحجم 8 مليارات معامل. يقود الروبوت عبر بيئة معقدة، مثل مكتب أو مبنى سكني أو تجاري أو مساحة في الشارع، انطلاقًا من إطار الكاميرا وتعليمات نصية. قد تكون التعليمة مثلًا: «اخرج من الردهة، وامشِ في الممر، وادخل غرفة التخزين، وتوقف أمام الرف الثاني». عندها يقود النموذج الروبوت عبر المسار كاملًا بمفرده، من دون تدخل بشري.

• نسبة نجاح 79,4% في التحقق على R2R-CE في المشاهد المألوفة، و76,6% في المشاهد غير المرئية
• التفوق على أفضل نهج بكاميرا واحدة بفارق 9,7 نقطة، وعلى أفضل نظام يعتمد على ليدار أو عدة كاميرات بفارق 4,5 نقطة
• يعمل على الروبوتات ذات العجلات والروبوتات السائرة والروبوتات الطائرة، ولا يتأثر بالاختلاف في معاملات الكاميرات
• مجموعة بيانات التدريب: نحو 400 000 مسار جُمعت في 6000 مشهد محاكى

كيف يجد النموذج طريقه

لا يتنبأ Robostral Navigate بإزاحة مترية، بل بنقطة على الصورة: إحداثيات الهدف في إطار الكاميرا الحالي والاتجاه المطلوب عند الوصول. هذا الأسلوب في الملاحة «بالإشارة» يقاوم تغيّر العدسات ومقياس المشهد، بخلاف الأوامر المبنية على المسافات المترية. وحين يخرج الهدف عن مجال الرؤية، ينتقل النموذج إلى إزاحات في الإحداثيات المحلية للروبوت، مثل: «تقدّم مترين إلى الأمام، ومترًا ونصف المتر إلى اليسار، وأدر 25 درجة إلى اليسار».

كيف دُرّب Robostral Navigate

بُني النموذج بالكامل داخل Mistral AI ولا يعتمد على نماذج رؤية-لغة مفتوحة. وقد جرت تهيئته انطلاقًا من نموذج خاص بالشركة متخصص في مهام الإشارة والعدّ وتحديد مواقع الأجسام. والعنصر الأساسي في التدريب هو أسلوب قائم على prefix-caching: يضغط هذا الأسلوب الحلقة كاملة في تسلسل واحد، ويتيح التعلم على جميع الخطوات الزمنية في تمريرة واحدة، فيخفض عدد رموز التدريب 22 مرة مقارنة بالتدريب على كل خطوة على حدة. وبعد مرحلة التدريب الخاضع للإشراف (supervised)، يُحسَّن النموذج أكثر عبر التعلم المعزز عبر الإنترنت (online reinforcement learning) بخوارزمية CISPO، وهي تتيح له التعلم من أخطائه والتعافي بعد الإخفاقات.

«نقدّم اليوم

Robostral Navigate، أول نموذج لدينا للملاحة المجسّدة»، جاء في المدونة الرسمية لـ Mistral AI.

ماذا يعني ذلك

تقلل الملاحة بكاميرا واحدة، من دون ليدار ومن دون مستشعرات عمق، كلفة الروبوتات وتعقيدها في المستودعات والتوصيل والفنادق والتصنيع. وتذكر Mistral AI هذه القطاعات صراحةً ضمن أوائل المستفيدين من التقنية.

أسئلة شائعة

على أي روبوتات يعمل Robostral Navigate؟

يعمل النموذج على الروبوتات ذات العجلات والروبوتات السائرة والروبوتات الطائرة، ويتعمم على منصات بأحجام مختلفة، وهذا ما تؤكده Mistral AI في وصف النموذج.

كم بيانات احتاج التدريب؟

جمعت الشركة نحو 400 000 مسار في 6000 مشهد محاكى. وقد بُني مسار توليد البيانات بالكامل داخل المحاكاة، من دون استخدام روبوتات حقيقية في مرحلة جمع البيانات.

ما مدى تفوق Robostral Navigate في الدقة على المنافسين؟

في اختبار R2R-CE للبيئات غير المرئية، يتفوق النموذج على أفضل نهج بكاميرا واحدة بفارق 9,7 نقطة، وعلى أفضل نظام بعدة كاميرات أو مستشعر عمق بفارق 4,5 نقطة، بنسبة نجاح نهائية 76,6%.

بماذا يختلف مقياس R2R-CE عن اختبارات الملاحة المعتادة؟

يختبر R2R-CE (Room-to-Room in Continuous Environments) مدى اتباع النموذج للتعليمات النصية في بيئات لم تدخل ضمن عينة التدريب. وفي هذا السيناريو تحديدًا يسجل Robostral Navigate نتيجة 76,6%، لا في المشاهد المألوفة التي تكون النتيجة فيها أعلى.