【无图导航：Mistral让机器人告别“路痴”】Mistral发布的Robostral Navigate是一个仅8B参数的视觉语言模型，它最硬核的突破在于：只需一个普通的RGB摄像头，不需要昂贵的LiDAR（激光雷达）或深度传感器，就能让机器人听懂“穿过大厅，去走廊尽头第二个货架”这种自然语言指令。它在模拟环境中训练，通过“指向（pointing）”逻辑解决空间定位，在R2R-CE导航测试中拿下了76.6%的成功率，直接刷新了单相机导航的SOTA纪录。这件事的底层逻辑是“语义理解”正在取代“几何建图”。传统机器人导航依赖精确的物理地图，一旦环境变了（比如挪个椅子）或者没网就抓瞎；而Mistral走的是类人路线——我看一眼就知道那是门、那是饮水机，然后根据指令“脑补”路径。虽然76%的成功率在工业严苛环境下还不算完美，但它证明了轻量化模型+廉价硬件也能实现复杂导航。这预示着未来扫地机、配送机器人可能不再需要满头传感器，只要有一颗聪明的“大脑”和一只眼睛就能满屋跑。 mistral.ai/news/robostral-navigate/