Robostral Navigate是一款仅用单RGB相机即可让机器人自主导航的8B模型，在R2R-CE基准上达到76.6%成功率，超越多传感器方案。它通过仿真训练和强化学习实现跨机器人泛化与真实障碍适应，为具身AI导航奠定基础。

Mistral AI 推出 Robostral Navigate，这是一款仅依靠单个 RGB 摄像头即可引导机器人自主导航的 8B 参数模型。在 R2R-CE 基准测试中，它在未见过的环境里成功率达到 76.6%，不仅超越了使用深度传感器或多摄像头的系统，效率也更高。该模型完全由内部开发，利用模拟训练数据和令牌高效技术，能适应不同机器人类型，并应对训练中未出现的真实障碍。其核心是结合指向式导航与强化学习，实现持续优化，为机器人领域的统一具身智能奠定基础。

根据评论内容，主要观点和论据如下：

正面评价（认可度较高）： - 评论6（ImageXav）认为机器人通过指向决定路径的设计很棒，称赞这是“great design decision”，并认为机器人是下一个前沿领域。 - 评论11（iandanforth）强调无地图导航的突破性，指出“map-less navigation”解决了“Kidnapped Robot”问题，是重大进步。 - 评论9（heyheyhouhou）认为Mistral的LLM可能不是最佳，但设计“top-notch”。

负面/质疑观点： - 评论7（mhitza）质疑“state of the art”的宣称，指出视频中避障速度太慢，且未说明实际运行是否需要外接GPU和电池。 - 评论8（mil22）对76.6%的成功率提出疑问：“what it did the other 23.4% of the time”，暗示失败率较高。 - 评论5（skaiiujing）指出机器人擅长清洁实验室，但“messy real‑world environments are still the real bottleneck”。

战略与市场观点： - 评论1（Gecko4072）认为Mistral走“wide and niche”路线是“smart strategy”。 - 评论10（jonash54）预测欧洲AI将专注于为百年老行业生产“specific niche models”，强调安全可靠。 - 评论2（fzysingularity）指出前沿实验室意识到软件/模型缺乏护城河，转向具身AI，但质疑SOTA 80%意味着“practically useless robot”。

其他关注点： - 评论14（LurkandComment）提到QNX（黑莓）用于防止AI幻觉在物理层执行，强调确定性推理。 - 评论13（humanperhaps）希望模型开源，以便“easy single-camera navigation setup”用于爱好者项目。 - 评论15（figassis）猜测特斯拉可能收购Mistral。

平衡总结： 评论对Mistral的机器人导航技术有积极评价（尤其无地图导航和设计），但对其“SOTA”宣称、实际性能（速度、成功率）和商业化可行性存在质疑。战略上，Mistral的窄众路线被部分认可，但欧洲AI的务实定位与前沿实验室的具身AI转向形成对比。