L'8 luglio la francese Mistral AI ha presentato Robostral Navigate, un modello da 8 miliardi di parametri pensato per la navigazione dei robot. La particolarita': fa muovere un robot in ambienti complessi usando una sola telecamera RGB ordinaria - senza sensori di profondita', senza lidar - e semplici istruzioni in linguaggio naturale. E' la scommessa europea sulla cosiddetta "physical AI", l'intelligenza artificiale che agisce nel mondo fisico.
Come funziona: navigare "puntando"
Il modello prende in ingresso le immagini della telecamera e un'istruzione scritta in linguaggio semplice - per esempio "vai verso la porta in fondo al corridoio" - e decide dove il robot deve spostarsi. Lo fa con un meccanismo elegante: invece di costruire una mappa, prevede le coordinate sull'immagine del punto verso cui muoversi nella vista attuale della telecamera, insieme all'orientamento desiderato all'arrivo. Questo approccio "a puntamento" rende la politica naturalmente robusta ai cambiamenti di telecamera e di scala del mondo: lo stesso modello puo' funzionare su robot di dimensioni diverse.
I numeri e l'addestramento
Robostral Navigate raggiunge il 76,6% sul benchmark R2R-CE (Room-to-Room in Continuous Environments) nella versione "validation unseen", superando di 9,7 punti il miglior approccio a telecamera singola e di 4,5 punti persino i sistemi che usano sensori di profondita' o piu' telecamere. Un risultato notevole, se si considera che parte da un hardware molto piu' semplice. Il modello e' stato addestrato interamente in simulazione, con circa 400.000 traiettorie distribuite su 6.000 scene, e poi migliorato tramite apprendimento per rinforzo online. Non deriva da un modello visione-linguaggio open source esistente: e' costruito internamente, a partire da un modello di Mistral specializzato in compiti di ancoraggio visivo come il puntamento e la localizzazione degli oggetti.
A cosa serve
Le applicazioni immaginate da Mistral riguardano la navigazione in fabbrica, nella logistica, nelle consegne e nell'ospitalita'. Il modello e' pensato per essere indipendente dall'hardware, cioe' distribuibile su flotte di robot diversi, e puo' funzionare su macchine su ruote, con zampe o addirittura volanti, generalizzando tra taglie differenti. Il vantaggio economico e' evidente: eliminare lidar e sensori di profondita' abbassa il costo dei robot, rendendo l'autonomia accessibile a piu' scenari industriali.
Come provarlo e dove trovarlo
Al momento dell'annuncio, Mistral ha reso disponibile la descrizione tecnica del modello sulla propria pagina ufficiale delle novita'. Chi vuole valutarlo o integrarlo dovrebbe partire da li' e controllare l'organizzazione di Mistral su Hugging Face e la sua piattaforma per sviluppatori, per verificare le modalita' di accesso ai pesi o a un'eventuale API: al debutto, infatti, non e' stato pubblicato un link di download diretto, e le condizioni d'uso dei pesi vanno accertate prima di assumere che siano completamente aperti. Per chi lavora nella robotica, il consiglio pratico e' seguire i canali ufficiali dell'azienda per le istruzioni di deployment, che tipicamente richiedono di collegare il flusso della telecamera del robot all'ingresso del modello e di tradurre le sue previsioni di movimento in comandi per il controllore di bordo.
Perche' e' importante
Robostral Navigate segnala che la robotica sta diventando un terreno di competizione anche per i laboratori di IA generativa, non solo per le aziende di automazione. E lo fa con un'impostazione pragmatica: meno sensori costosi, piu' intelligenza software. Per l'Europa, avere un attore come Mistral che investe nella "physical AI" con un modello competitivo sui benchmark internazionali e' un segnale di vitalita' in un settore finora dominato da Stati Uniti e Cina. La strada verso robot davvero autonomi in ambienti reali resta lunga, ma ridurre la navigazione a "una telecamera e una frase" e' un passo concreto nella direzione giusta.
