Mistral AI, 단일 카메라 로봇 내비게이션 모델 Robostral Navigate 공개

Mistral AI 공식 발표에 따르면 회사는 단일 RGB 카메라와 자연어 지시만으로 로봇이 복잡한 환경을 이동하도록 설계한 8B 모델 Robostral Navigate를 공개했다. Mistral AI는 이 모델을 자사 첫 embodied navigation 모델이라고 소개했다.

Robostral Navigate의 핵심은 여러 센서에 의존하지 않는 내비게이션이다. Mistral AI는 기존 로봇 내비게이션 모델이 깊이 센서, 라이다, 복수 카메라를 사용하는 경우가 많지만, Robostral Navigate는 일반 RGB 카메라 하나만 사용한다고 설명했다. 사용자는 “복도를 지나 창고에 들어가 두 번째 선반을 바라보고 멈추라”는 식의 자연어 지시를 줄 수 있다.

회사 발표에 따르면 Robostral Navigate는 R2R-CE 검증 unseen 기준 76.6%의 성공률을 기록했다. Mistral AI는 이 수치가 단일 카메라 접근 방식의 기존 최고 성능보다 9.7포인트 높고, 깊이 센서나 복수 카메라를 쓰는 시스템보다도 4.5포인트 높다고 밝혔다. 다만 이는 Mistral AI가 공개한 자체 발표 기준이며, 실제 로봇과 현장 조건에서 같은 수준의 성능이 보장된다는 의미로 해석해서는 안 된다.

모델은 이동 지점을 이미지 좌표로 예측하는 포인팅 기반 방식을 사용한다. 현재 카메라 화면에서 목표 위치와 도착 방향을 추론해 로봇이 다음에 어디로 이동해야 하는지 결정하는 구조다. 목표가 현재 시야 밖에 있을 때는 로봇 기준 좌표계에서 전진, 좌우 이동, 회전 같은 변위를 출력하는 방식으로 보완한다.

학습 방식도 발표의 주요 내용이다. Mistral AI는 Robostral Navigate가 기존 오픈소스 VLM에 의존하지 않고 사내에서 구축됐으며, 약 6,000개 장면에서 수집한 약 40만 개 궤적의 시뮬레이션 데이터를 활용했다고 설명했다. 또 prefix-caching 기반 학습으로 전체 에피소드를 효율적으로 처리해 훈련 토큰 수를 줄였고, 온라인 강화학습으로 실패 복구와 탐색 행동을 개선했다고 밝혔다.

Mistral AI는 이 기술이 제조, 배송, 물류, 접객 등 물리 공간에서 움직이는 로봇에 적용될 수 있다고 설명했다. 단일 카메라 기반 접근이 실제로 안정적으로 작동한다면 하드웨어 구성 비용과 시스템 복잡도를 낮출 여지가 있다. 특히 다양한 크기와 형태의 로봇에 일반화할 수 있다는 회사의 주장은 피지컬 AI 경쟁에서 중요한 관찰 지점이다.

그러나 로봇 내비게이션은 모델 성능만으로 판단하기 어렵다. 조명 변화, 유리문과 반사면, 사람과 장애물의 예측 불가능한 움직임, 안전 정지 기준, 책임 소재 같은 조건이 실제 배포 단계에서 함께 검증돼야 한다. 이번 발표는 피지컬 AI가 언어 모델의 확장 영역으로 부상하고 있음을 보여주지만, 산업 현장 적용은 독립 평가와 안전 검증이 뒤따라야 한다.

출처: Mistral AI https://mistral.ai/news/robostral-navigate/