# Mistral'ın robot navigasyon modeli tek kamerayla çalışıyor

- Kaynak: https://teknopiksel.com/mistralin-robot-navigasyon-modeli-tek-kamerayla-calisiyor-h100228.html
- Yazar: Mehmet Ali Demirci
- Yayın: 2026-09-29
- Bölüm: Modeller
- Yayıncı: Teknopiksel

> Robostral Navigate, LiDAR ve derinlik sensörü olmadan R2R-CE testinde yüzde 76,6 başarı bildirdi; eğitim tamamen simülasyonda yapıldı.

Mistral AI, gömülü navigasyon için eğittiği ilk modeli tanıttı. Robostral Navigate, RGB görüntüleri ve düz dille verilmiş bir yönergeyi girdi alarak robotu bir ortamda hedefe götürüyor.

Duyurunun teknik olarak en dikkat çekici yanı donanım tarafı. Bu tür görevlerde modeller genellikle derinlik sensörü, LiDAR ya da birlikte çalışan birden fazla kamera kullanıyor. Robostral Navigate yalnızca sıradan bir RGB kamerayla çalışıyor ve buna rağmen R2R-CE testinin daha önce görülmemiş ortamlar bölümünde yüzde 76,6 başarıya ulaşıyor. Şirketin aktardığına göre bu sonuç, en iyi tek kameralı yaklaşımı 9,7 puan, derinlik sensörü ya da çoklu kamera kullanan sistemleri 4,5 puan geride bırakıyor.

Modelin yöntemi "işaretleme" üzerine kurulu. Görev ve gözlem geçmişi verildiğinde model, robotun gitmesi gereken yerin mevcut kamera görüntüsündeki koordinatlarını ve varışta olması gereken yönü tahmin ediyor. Metrik yer değiştirme komutlarından farklı olarak bu yaklaşım, kamera özelliklerindeki ve dünya ölçeğindeki değişimlere doğal olarak dayanıklı oluyor. Hedef mevcut görüş alanının dışında kaldığında model, robotun kendi koordinat sistemindeki yer değiştirmelere geri dönüyor.

Model tümüyle şirket içinde geliştirilmiş ve mevcut açık kaynak görsel-dil modellerine dayanmıyor. Başlangıç noktası, işaretleme, sayma ve nesne konumlandırma gibi görevler için uzmanlaşmış kendi görsel-dil modelleri; navigasyon bu yeteneklerin doğal uzantısı olarak ortaya çıkıyor — model nesnelerin nerede olduğunu anladığında, nasıl hareket edeceğini öğreniyor.

Eğitim tamamen simülasyonda yapılmış: yaklaşık 350 bin sahnede toplanan 2,4 milyon yörünge kullanılmış. Önek önbelleklemeyle eğitimde işlenen jeton sayısı yüzde 22 azaltılmış, CISPO adı verilen çevrim içi pekiştirmeli öğrenme aşaması başarı oranını 3,2 puan artırmış.

Şirket modelin tekerlekli, bacaklı ve uçan robotlarda çalıştığını ve farklı robot boyutlarına genellendiğini belirtiyor. Ofisler, konut ve ticari binalar ile açık alanlar hedeflenen ortamlar arasında; üretim, teslimat, lojistik ve konaklama sektörleri öne çıkan kullanım alanları olarak sayılıyor. Sensör maliyetinin robotikte belirleyici bir kalem olduğu düşünülürse, tek kamerayla çoklu sensör sistemlerini geçen bir sonuç maliyet tarafında doğrudan karşılık buluyor.