Mistral Robostral Navigate - 단일 카메라로 로봇을 자율 항법하는 8B 모델

이 글은 Mistral AI 공식 블로그를 참고하여 작성했습니다.

Mistral AI가 2026년 7월 8일, 로봇 항법 전용 모델 Robostral Navigate를 공개했습니다. 8B 파라미터 규모로, 단일 RGB 카메라와 자연어 지시만으로 로봇을 미지의 환경에서 안내합니다. Mistral 최초의 구현 AI(embodied AI) 모델이기도 합니다.

입력이 RGB 카메라 하나뿐이라는 것의 의미

로봇 항법 시스템은 보통 여러 센서를 씁니다. 깊이 카메라, LiDAR, IMU, 여러 각도의 RGB 카메라. 센서가 많을수록 환경 인식이 정확해지고 항법 성능이 높아진다는 게 오랜 통념이었습니다.

Robostral Navigate는 이 통념과 다른 방향을 택했습니다. 단일 RGB 카메라 하나, 그리고 자연어 지시. "로비를 나와 복도를 지나 창고에 들어간 뒤 두 번째 선반 앞에 서세요"처럼 사람에게 하는 말 그대로를 입력받아 로봇을 이동시킵니다.

이 접근이 실용적인 이유가 있습니다. 산업 현장의 로봇 대다수는 이미 카메라를 달고 있습니다. LiDAR나 깊이 센서를 추가로 달면 하드웨어 비용이 늘고 캘리브레이션 관리도 복잡해집니다. Robostral Navigate가 단일 카메라로 충분한 성능을 낸다면, 기존 하드웨어에 소프트웨어만 얹는 형태로 배포가 가능해집니다.

R2R-CE에서 76.6%

공식 평가 지표는 R2R-CE(Room-to-Room Continuous Environments) 검증 미공개 세트입니다. 훈련에 사용하지 않은 환경에서 항법 지시를 얼마나 정확히 수행하는지를 측정합니다.

단일 카메라 방식보다 9.7점, 다중 센서 최고보다 4.5점 높습니다. 비용과 복잡도가 낮은 설정에서 더 높은 성능을 낸다는 점이 핵심입니다.

지원 플랫폼은 바퀴형, 다리형, 비행 플랫폼 세 가지 모두입니다. 훈련 중 등장하지 않은 동적 장애물에도 적응한다고 합니다.

시뮬레이션 전용 훈련과 22배 토큰 절감

Robostral Navigate는 실제 로봇 데이터 없이 시뮬레이션만으로 훈련됐습니다. 6,000개 씬에서 40만 개의 궤적 데이터를 생성했습니다.

훈련 효율에서 특이한 점이 있습니다. Prefix-caching 기반 훈련 방식을 써서, 타임스텝마다 한 샘플씩 훈련하는 표준 방식 대비 토큰 수를 22배 줄였습니다. 로봇 항법 훈련은 동일한 배경에서 에이전트가 이동하는 시퀀스를 반복 처리해야 해서 공유되는 컨텍스트가 많습니다. Prefix-caching이 이 공유 부분을 재사용해 연산을 대폭 줄인 것입니다.

Mistral의 로보틱스 진입

Mistral은 지금까지 텍스트와 코드 중심 모델에 집중했습니다. Robostral Navigate는 Mistral 최초의 구현 AI 모델로, 센서 입력을 받아 물리 세계에서 행동을 출력하는 방향으로의 확장입니다.

산업 자동화 수요는 커지고 있고, 로봇 항법은 그 핵심 능력입니다. Google이 RT-2와 PaLM-E로, Meta가 FAIR 로보틱스 연구로 이 영역에 투자하는 상황에서 Mistral도 합류한 셈입니다.

차이가 있다면 Mistral은 8B라는 작은 규모로 단일 카메라 설정에서 경쟁력 있는 성능을 보였다는 것입니다. 대형 모델보다 배포하기 쉽고, 엣지 하드웨어에서 돌릴 여지도 생깁니다. 실제 산업 배포는 비용과 안정성이 학술 벤치마크만큼 중요합니다.

이 글은 Mistral AI 공식 블로그를 참고하여 작성되었습니다.