מיסטרל עוזבת לרגע את הצ'אטבוטים: Robostral Navigate מנווט רובוטים עם מצלמה אחת בלבד

בזמן שרוב עולם ה-AI עסוק בשאלה איזה צ'אטבוט חכם יותר, מיסטרל בחרה שבוע להזכיר לכולם שיש עולם פיזי שלם שממתין לפתרון. ב-8 ביולי 2026 הציגה החברה הצרפתית את Robostral Navigate - לא מודל שיחה, לא כלי קידוד, אלא מודל שמטרתו היחידה היא לגרום לרובוט לדעת לאן ללכת.

מצלמה אחת, בלי לידאר

הרעיון המרכזי מאחורי Robostral Navigate פשוט להסבר ומורכב מאוד למימוש: נותנים לרובוט מצלמת וידאו רגילה אחת ופקודה בשפה טבעית - למשל 'לך למטבח ותביא את הקופסה הכחולה' - והמודל אמור להבין את הסביבה, לתכנן מסלול ולנווט אליה בזמן אמת, גם בסביבה שהוא מעולם לא ראה. אין כאן לידאר, אין חיישני עומק, אין מפה מוכנה מראש. זו בדיוק הגישה שהופכת את המודל לזול ופרקטי לפריסה בקנה מידה תעשייתי - חיישני לידאר וניווט רב-מצלמתי יקרים משמעותית ומגבילים מבחינת סוג הרובוט שיכול לשאת אותם.

מבחינת גודל, Robostral Navigate צנוע יחסית לתקני 2026: 8 מיליארד פרמטרים בלבד. זה לא מקרי - גודל כזה מאפשר להריץ את המודל על מעבד גרפי בינוני-עוצמה שמותקן ישירות על גוף הרובוט, ולא רק כשירות ענן מרוחק שדורש חיבור רשת יציב. עבור יישומים תעשייתיים - מסדרונות מחסן, רצפות ייצור, מסדרונות בית מלון - התלות בחיבור רשת קבוע היא לא פרט טכני שולי אלא מכשול אמיתי לפריסה.

המספרים: מנצח בפחות חיישנים

כדי לבחון מודלי ניווט רובוטי, התעשייה משתמשת בבנצ'מארק שנקרא R2R-CE - קיצור של Room-to-Room in Continuous Environments, שבוחן יכולת רובוט לבצע הוראת ניווט מילולית בסביבה תלת-ממדית רציפה. Robostral Navigate השיג 79.4% הצלחה בהגדרת 'validation seen' (סביבות שדומות למה שראה באימון) ו-76.6% בהגדרת 'validation unseen' - סביבות חדשות לגמרי שהמודל מעולם לא נתקל בהן. המספר השני הוא המשמעותי באמת, כי הוא מודד הכללה אמיתית ולא שינון.

ההשוואה למתחרים היא שם הסיפור מתחדד: Robostral Navigate עולה על המערכת החד-מצלמתית המובילה בזירה ב-9.7 נקודות אחוז, ואפילו על מערכות מתקדמות יותר שמשתמשות במספר מצלמות או בחיישני עומק ב-4.5 נקודות אחוז - למרות שהמודל של מיסטרל משתמש בפחות חיישנים משתיהן. במילים אחרות: פחות חומרה, יותר ביצועים.

איך מאמנים רובוט בלי לשבור רובוטים אמיתיים

אחד הפרטים המעניינים ביותר בהשקה נוגע לא ליכולות המודל אלא לתהליך האימון שלו. Robostral Navigate אומן כולו בסימולציה - לא במעבדה עם רובוטים פיזיים - על כ-2.4 מיליון מסלולי ניווט שנפרשו על פני כ-350 אלף סצנות שונות. הבסיס למודל הוא מודל חזון-שפה ייעודי שפיתחה מיסטרל במיוחד למשימות 'עיגון' (grounding) - כלומר קישור בין מילים לאובייקטים ומיקומים פיזיים ממשיים.

החדשנות ההנדסית המשמעותית ביותר כאן היא לא במודל עצמו אלא בשיטת האימון: מיסטרל פיתחה טכניקת caching מבוססת מסכת תשומת לב מסוג עץ (tree-based attention masking) שצמצמה את כמות טוקני האימון הנדרשים פי 22 - מה שהפך תהליך שהיה אמור להימשך חודשים לתהליך שנמשך ימים ספורים בלבד של חישוב. לאחר שלב האימון הראשוני, שלב לימוד חיזוק מקוון נוסף, המבוסס על אלגוריתם בשם CISPO, שיפר את אחוזי ההצלחה בכ-3.2 נקודות אחוז נוספות. הצוות שפיתח את המודל תיאר את התוצאה כך: 'תנו ל-Robostral Navigate הוראה אחת והוא משלים את המשימה כולה בעצמו, תוך תנועה במרחב חי מלא באנשים ומכשולים שהוא מעולם לא ראה.'

מבחינה מתודולוגית, הניווט עצמו מתבסס על שילוב של 'ניווט מבוסס הצבעה' (pointing-based navigation) יחד עם לימוד החיזוק - כלומר, במקום שהמודל יפלוט רצף פקודות תנועה מדויקות מראש (סובב שמאלה 30 מעלות, התקדם 2 מטר וכן הלאה), הוא מצביע על יעד או נקודת ביניים בתמונה שהוא רואה, ורק אז מערכת בקרה נפרדת ברמה נמוכה יותר מתרגמת את ההצבעה לפקודות מנוע בפועל. הפרדה כזו בין 'הבנה גבוהה' לבין 'ביצוע נמוך' היא מה שמאפשר למודל להישאר קטן יחסית: הוא לא צריך ללמוד את הפיזיקה המדויקת של כל סוג רובוט, אלא רק להבין את הסביבה ולתקשר כוונה.

למה זה חשוב: מיסטרל וה'בינה המלאכותית הפיזית'

מיסטרל היא סטארט-אפ פריזאי שהוקם ב-2023 על ידי חוקרים לשעבר מ-Google DeepMind ומ-Meta, וברוב שנות קיומה התמקדה במודלי שפה טקסטואליים - זירה שבה היא מתחרה ישירות מול OpenAI, Anthropic ו-Google. Robostral Navigate מסמן פנייה ברורה של החברה לכיוון מה שמכונה בתעשייה 'בינה מלאכותית פיזית' - העברת יכולות שפה וחזון מתקדמות מהמסך אל תוך גופים שנעים בעולם האמיתי. הצעד הזה לא מגיע בוואקום: מיסטרל סגרה לאחרונה עסקאות עם ענקיות תעשייתיות כמו איירבוס ו-BMW (מאי 2026), ומדווח כי היא מנהלת מגעים לגיוס הון בהיקף של כ-3 מיליארד יורו, לפי שווי של כ-20 מיליארד יורו.

בשלב זה Robostral Navigate מוצע בעיקר במודל 'צרו קשר עם המכירות' המיועד ללקוחות עסקיים בתחומי ייצור, משלוחים, לוגיסטיקה ואירוח, ומיסטרל אף פרסמה משרות גיוס לצוות רובוטיקה ייעודי - אינדיקציה לכך שמדובר בהשקעה אסטרטגית ארוכת טווח ולא בפרויקט צד חד-פעמי. אם המגמה הרחבה יותר בתעשייה - מעבר יכולות AI מהמסך אל הרובוט הפיזי - אכן מתעצמת כפי שנראה, מיסטרל ממצבת את עצמה מוקדם יחסית בתחום שבו התחרות בין Google, Nvidia ומעבדות סיניות רק מתחילה להתחמם.

למה 'קטן ופשוט' עשוי לנצח כאן

יש פרדוקס מסוים בבחירה הטכנולוגית של מיסטרל, שכדאי לעצור עליו רגע. בעולם שבו מודלי השפה הגדולים מתחרים זה בזה על עוד טריליון פרמטר ועוד מיליון טוקני הקשר, Robostral Navigate הולך בכיוון ההפוך לחלוטין: 8 מיליארד פרמטרים בלבד, וחיישן יחיד במקום מערך שלם. זו לא מגבלה טכנולוגית שנכפתה על מיסטרל - זו החלטת עיצוב מכוונת. ברובוטיקה תעשייתית, המגבלה האמיתית היא לעיתים קרובות לא 'עד כמה המודל חכם', אלא כמה משקל, אנרגיה וכסף אפשר להקדיש לחומרת החישוב שיושבת על גבי הרובוט עצמו. מודל שדורש מעבד גרפי יקר וכבד פשוט לא יעלה על רוב הרובוטים המסחריים הקיימים כיום, ולא משנה כמה הוא מדויק במעבדה.

מבחינה זו, הישג ה-22x בהפחתת טוקני האימון חשוב לא פחות מהניקוד בבנצ'מארק R2R-CE עצמו - הוא זה שהופך את הרעיון של 'מודל ניווט ייעודי לכל סוג רובוט ולכל סביבת עבודה' מרעיון תיאורטי יקר לפרויקט הנדסי בר-ביצוע במחירים סבירים לחברות רובוטיקה בגודל בינוני, לא רק לענקיות עם תקציבי מחקר בלתי מוגבלים.