Das französische KI-Unternehmen Mistral AI hat am 8. Juli 2026 mit Robostral Navigate sein erstes Modell für die Navigation von Robotern vorgestellt. Das System soll Roboter allein anhand einer einzelnen RGB-Kamera und natürlichsprachlicher Anweisungen durch komplexe Räume steuern – ganz ohne Lidar oder Tiefensensoren. Damit erweitert Mistral sein Portfolio erstmals gezielt in Richtung “Physical AI”, jenen Bereich der Künstlichen Intelligenz, der Software mit realen, sich bewegenden Maschinen verbindet.
Was Robostral Navigate leisten soll
Laut der offiziellen Ankündigung von Mistral AI handelt es sich bei Robostral Navigate um ein Modell mit acht Milliarden Parametern, das Kamerabilder und Textanweisungen kombiniert, um daraus Bewegungsbefehle für einen Roboter abzuleiten. Nutzer sollen dem System mehrstufige Anweisungen geben können, etwa: die Lobby verlassen, den Flur entlanggehen, den Lagerraum betreten und vor dem zweiten Regal anhalten. Das Modell erkennt dabei entweder einen Zielpunkt im aktuellen Kamerabild oder gibt, falls kein Ziel sichtbar ist, eine grobe Bewegungsrichtung vor.
Nach Angaben von Mistral funktioniert das System mit Rad-, Lauf- und Flugrobotern unterschiedlicher Bauart und Größe und soll robust gegenüber unterschiedlichen Kameraeigenschaften sowie unvorhergesehenen Hindernissen sein. Als Einsatzfelder nennt das Unternehmen unter anderem Fertigung, Lagerlogistik, Auslieferung und das Gastgewerbe sowie allgemein Innen- und Außennavigation in Büro- und Wohngebäuden.
Training und Benchmark-Werte
Mistral zufolge wurde Robostral Navigate vollständig intern und simulationsbasiert trainiert, auf Grundlage von rund 400.000 Bewegungstrajektorien in 6.000 unterschiedlichen Szenen. Eine Technik namens Prefix-Caching mit baumbasierter Attention-Maskierung habe den Trainingsaufwand gegenüber Standardverfahren um das 22-Fache reduziert; ein anschließendes Online-Reinforcement-Learning mit dem sogenannten CISPO-Algorithmus habe die Erfolgsquote um weitere 3,2 Prozentpunkte verbessert.
Auf dem gängigen Navigations-Benchmark R2R-CE (Room-to-Room Continuous Environments) erreichte das Modell laut Mistral 79,4 Prozent Erfolgsquote in bereits bekannten und 76,6 Prozent in unbekannten Umgebungen. Das liege 9,7 Prozentpunkte über der besten bislang bekannten Lösung mit nur einer Kamera und 4,5 Punkte über Systemen mit mehreren Sensoren, so das Unternehmen. Unabhängig überprüft sind diese Werte bislang nicht – sie stammen ausschließlich aus der eigenen Veröffentlichung von Mistral.
Teil einer breiteren Physical-AI-Strategie
Die Vorstellung von Robostral Navigate folgt auf die Übernahme des Wiener Start-ups Emmi AI im Mai 2026, das laut Mistrals eigener Ankündigung zur Übernahme auf Physik-Simulationen und technische Engineering-Modelle für die Industrie spezialisiert ist. Beide Schritte fügen sich in eine Strategie, mit der sich Mistral als europäischer Anbieter für industrielle KI-Anwendungen positionieren will, in Sektoren wie Luft- und Raumfahrt, Automobilbau und Halbleiterfertigung.
Mistral ist damit nicht das einzige europäische Unternehmen, das in diesem Bereich vorprescht: Wie Reuters berichtete, hatte das ebenfalls in Paris ansässige Start-up Genesis AI bereits einige Monate zuvor ein breiter angelegtes Robotik-Modell vorgestellt, das neben Navigation auch das Greifen und Manipulieren von Objekten beherrschen soll. PYMNTS ordnet Mistrals Vorstoß in den größeren Trend wachsender Investitionen in physische KI ein, der zuletzt auch andere große Anbieter zu eigenen Robotik-Initiativen bewogen hat.
Offene Fragen
Zum Start von Robostral Navigate hat Mistral weder Modellgewichte noch ein technisches Paper noch Preise veröffentlicht. Interessierte Unternehmen verweist das Unternehmen an sein Vertriebsteam; ein konkretes Datum für eine breitere Verfügbarkeit nannte Mistral nicht. Offen bleibt damit auch, wie sich das Modell außerhalb der von Mistral selbst konstruierten Testumgebungen in realen Einsätzen schlägt – ein Punkt, den unabhängige Tests bislang nicht klären konnten, da entsprechende Zugänge noch nicht bestehen.


