Mistral AI dévoile Robostral Navigate pour robots à caméra unique

Mistral AI dévoile Robostral Navigate pour robots à caméra unique

La start-up française Mistral AI a lancé mercredi Robostral Navigate, un modèle d'IA capable de piloter un robot à partir d'une seule caméra RGB, sans capteur de profondeur ni LiDAR, mais avec des résultats annoncés supérieurs à la concurrence. Mistral AI a dévoilé, mercredi 8 juillet 2026, son tout premier modèle dédié à la navigation robotique, un système de 8 milliards de paramètres qui suit des instructions en langage naturel pour déplacer un robot, sans LiDAR ni capteur de profondeur. Robostral Navigate revendique 76,6 % de réussite sur R2R-CE, benchmark choisi par la start-up française, en conditions inédites, devançant aussi bien les meilleures solutions mono-caméra que les systèmes bardés de capteurs. La recette ? Un entraînement mené entièrement en simulation, couplé à une méthode d'apprentissage taillée pour aller plus vite.

Comment le modèle Robostral Navigate de Mistral se passe totalement de LiDAR

Comment fonctionne Robostral Navigate ? Le modèle observe le monde à travers une caméra RGB tout ce qu'il y a de plus banal, et reçoit une instruction en langage courant, un peu comme si l'on donnait des indications à un stagiaire un brin trop obéissant, comme sortir d'une pièce, longer un couloir, s'arrêter devant une étagère précise. Il traduit alors cette consigne en mouvements concrets, sans jamais recourir à un capteur de profondeur ou à du LiDAR, pourtant considérés comme quasi incontournables pour ce type de tâche.

Sur le papier, Mistral annonce 76,6 % de réussite en environnement totalement inconnu, et jusqu'à 79,4 % sur des scènes déjà croisées à l'entraînement, toujours selon R2R-CE. De quoi devancer de 9,7 points la meilleure solution mono-caméra du marché, mais aussi, et c'est plus surprenant, de 4,5 points les systèmes équipés de LiDAR ou de plusieurs caméras, censés pourtant avoir toutes les cartes en main.

Cette sobriété technique ouvre la voie à des déploiements nettement moins onéreux. Mistral voit large et imagine irriguer la livraison, la fabrication, la logistique ou encore l'hôtellerie, avec des flottes de robots à roues, à pattes ou même volants, capables de comprendre des instructions simples, en langage courant, sans que les opérateurs n'aient besoin d'une formation technique poussée pour les piloter. Le modèle s'adapte d'ailleurs à différentes tailles de robots, un point loin d'être acquis d'avance en robotique.

Reste un défi coriace, bien connu des roboticiens d'ailleurs, celui du passage du virtuel au réel. Un modèle entraîné uniquement sur des simulations numériques a en effet tendance à perdre ses repères une fois confronté à la réalité, bien plus imprévisible qu'un monde virtuel parfaitement contrôlé. Un couloir encombré, un passant qui traverse au mauvais moment, un objet qui n'était pas prévu dans le décor sont autant de situations qui peuvent facilement dérouter une IA habituée à un environnement virtuel. Mistral dit avoir surmonté cet obstacle. La firme montre Robostral Navigate évoluer en toute autonomie dans un vrai bureau, confronté à des imprévus qu'il n'avait jamais eu à gérer pendant son apprentissage en simulation.

Sous le capot : simulation, pointage et une bonne dose de renforcement

Contrairement à d'autres acteurs du secteur, Mistral n'a pas construit son modèle sur un VLM open source existant. Robostral Navigate part d'un modèle de vision-langage maison, déjà rodé au pointage, au comptage d'objets et à la localisation dans l'espace. Toute la donnée d'entraînement, environ 400 000 trajectoires réparties sur 6 000 scènes, provient exclusivement de simulations numériques, sans le moindre passage par le monde réel.

Sa technique de navigation, baptisée « pointage », consiste à désigner directement dans l'image la zone où le robot doit se rendre, ainsi que l'orientation à adopter une fois sur place, plutôt que de calculer de longues suites de distances. Une approche qui le rend insensible aux changements d'objectif ou d'échelle. Quand la cible sort du champ de la caméra, le modèle bascule alors sur des déplacements plus classiques, exprimés en mètres et en degrés.

Pour l'entraînement, Mistral a misé sur une technique de mise en cache qui divise par 22 le nombre de tokens nécessaires, qui transforme des mois de calcul en quelques jours à peine. Une phase d'apprentissage par renforcement en ligne, baptisée CISPO, est ensuite venue peaufiner le tout, pour un gain de 3,2 points de réussite supplémentaires. Et l'entreprise l'assure : la marge de progression est encore loin d'être épuisée.

Pour Mistral, la navigation n'est qu'une première brique. L'entreprise assume vouloir bâtir, à terme, un agent robotique unifié, où la navigation ne serait qu'une capacité parmi d'autres. De quoi expliquer le recrutement actif annoncé du côté de son équipe robotique, qui cherche déjà des chercheurs et ingénieurs pour accélérer la suite de l'aventure.