Robostral Navigate de Mistral AI : un modèle de 8 milliards de paramètres qui permet aux robots de naviguer dans des environnements complexes avec une simple caméra RGB

Mistral se lance dans la robotique avec Robostral Navigate, un modèle de 8 milliards de paramètres qui pilote les robots avec une seule caméra

Mistral entre sur le marché de la robotique avec Robostral Navigate, un modèle de 8 milliards de paramètres capable de guider un robot dans un environnement inconnu à partir d'une seule caméra RGB. Entraîné en simulation puis affiné par apprentissage par renforcement grâce à une méthode baptisée CISPO, le modèle atteint un score de 76,6 % sur le benchmark R2R-CE, une référence standard pour évaluer la navigation robotique guidée par le langage en environnement continu. Mistral n'a pour l'instant communiqué aucune date de disponibilité commerciale pour ce modèle. Cette annonce marque un tournant stratégique pour la start-up française, jusque-là concentrée sur les grands modèles de langage textuels et multimodaux. En misant sur une navigation reposant sur une caméra unique plutôt que sur des capteurs coûteux comme le LiDAR ou des systèmes multi-caméras, Mistral vise à rendre l'autonomie robotique plus accessible et moins onéreuse à déployer, un enjeu central pour les fabricants de robots mobiles, de drones ou de véhicules autonomes qui cherchent à réduire les coûts matériels tout en conservant des performances fiables en environnement réel et imprévisible. Ce mouvement s'inscrit dans une compétition mondiale croissante autour de l'intelligence artificielle incarnée, où des acteurs comme Google DeepMind, Nvidia ou encore des start-up spécialisées investissent massivement pour doter les robots d'une compréhension fine de leur environnement physique. En s'appuyant sur son expertise en modèles de langage compacts et efficaces, Mistral cherche à se positionner comme fournisseur de briques logicielles pour l'industrie robotique, un marché encore jeune mais jugé stratégique, alors que les frontières entre IA générative et robotique autonome continuent de s'estomper rapidement.

Navigation sûre en environnements inconnus et encombrés par génération de zones libres convexes orientées

Des chercheurs ont publié sur arXiv un article présentant FRGraph, un nouveau cadre de navigation autonome pour robots évoluant dans des environnements encombrés et inconnus. L'approche repose sur la génération de régions libres convexes, des zones de l'espace certifiées sans collision, en intégrant simultanément la géométrie du robot et les directions de déplacement envisagées. Les expériences ont été conduites en simulation 2D dense, puis validées sur un robot quadrupède et un drone (UAV) en conditions réelles. Le code source est disponible publiquement sur GitHub sous le nom FRGraph. Le problème résolu est double. D'une part, les méthodes existantes construisent ces régions libres en se basant uniquement sur la géométrie des obstacles environnants, sans tenir compte de la direction où le robot doit aller : dans un couloir étroit ou un espace très encombré, les régions générées ne permettent pas toujours au robot de passer physiquement. D'autre part, vérifier la sécurité d'une trajectoire uniquement en points discrets ne garantit pas l'absence de collision entre ces points lorsque la forme réelle du robot est prise en compte. FRGraph résout les deux en couplant la génération des régions à la direction de déplacement, et en utilisant une certification continue basée sur la constante de Lipschitz pour garantir qu'aucune collision n'est possible le long de la trajectoire entière, pas seulement aux échantillons testés. Les régions et les mouvements candidats sont stockés dans un graphe mis à jour de façon incrémentale pour permettre une planification en temps réel. Ce travail s'inscrit dans un champ de recherche en robotique très actif : rendre les robots capables de naviguer de façon fiable dans des espaces non structurés, comme des entrepôts, des zones sinistrées ou des environnements urbains denses. Les approches classiques de planification de trajectoire peinent encore dans les passages étroits, un goulot d'étranglement critique pour les applications industrielles et de sauvetage. En démontrant la méthode à la fois sur un robot à pattes et un drone, les auteurs signalent une ambition de généralisation au-delà d'une plateforme unique. La mise en open source ouvre la voie à des intégrations dans des piles robotiques existantes comme ROS.

Des chercheurs inventent un capteur qui permet aux robots de voir ce qu’ils touchent

Des chercheurs de la Queen Mary University of London ont mis au point un nouveau type de capteur tactile pour robots, capable de traduire la pression en couleurs visibles par une simple caméra. Le principe repose sur un matériau souple composé de plusieurs couches de silicone associées à une structure optique particulière : lorsqu'une pression s'exerce sur sa surface, son organisation interne se déforme légèrement, ce qui modifie la façon dont la lumière est réfléchie et fait apparaître différentes nuances de couleur. Une caméra USB filme ces variations en temps réel, chaque teinte correspondant à un niveau précis de pression, sans nécessiter de reconstruction d'image en trois dimensions ni de calculs complexes. Les travaux, publiés dans la revue Science Advances, annoncent une résolution proche de 100 micromètres, soit environ l'épaisseur d'un cheveu. Pour valider le système, l'équipe l'a testé sur plusieurs objets, un doigt humain, une feuille d'arbre et une pièce de monnaie, produisant à chaque fois une carte de pression extrêmement détaillée. Le résultat le plus marquant reste la capacité du capteur à révéler les fines crêtes d'une empreinte digitale grâce aux seules variations de couleur. Cette avancée pourrait changer la manière dont les robots interagissent physiquement avec leur environnement. Les solutions tactiles existantes s'appuient généralement sur des réseaux de microcapteurs électroniques répartis sur toute la surface, un dispositif qui devient plus coûteux et plus complexe à fabriquer à mesure que le nombre de capteurs augmente. En misant sur un matériau qui encode lui-même l'information avant toute analyse, les chercheurs simplifient radicalement le traitement des données. Concrètement, cela pourrait permettre à des pinces robotiques industrielles de manipuler des composants fragiles sans les endommager, en rendant visible chaque variation de force appliquée. Dans le domaine médical, des instruments chirurgicaux recouverts de ce matériau pourraient aider les praticiens à distinguer différents types de tissus selon leur réponse à la pression, une fonction utile par exemple pour repérer une tumeur au toucher. Cette recherche s'inscrit dans un effort plus large visant à combler le retard du toucher robotique par rapport à la vision et à l'audition, deux sens que les machines ont appris à exploiter bien plus tôt. Le toucher est resté longtemps le point faible des robots, alors qu'il est essentiel pour des tâches délicates comme saisir un objet fragile. Les chercheurs britanniques évoquent aussi les prothèses de nouvelle génération, où une peau artificielle plus sensible pourrait transmettre davantage d'informations sensorielles à son utilisateur. Ces applications restent pour l'instant expérimentales et devront être validées par des essais en conditions réelles avant d'envisager un déploiement industriel ou médical à grande échelle.

Robbyant lance LingBot-VLA 2.0, un modèle VLA open source de 6 milliards de paramètres pour la manipulation robotique multi-morphologies

Robbyant, filiale d'Ant Group, a publié LingBot-VLA 2.0, un modèle fondation de type Vision-Language-Action (VLA) destiné au contrôle de robots, accompagné d'un rapport technique, d'un code source sous licence Apache-2.0 et d'un checkpoint de 6 milliards de paramètres. Ce modèle, baptisé lingbot-vla-v2-6b, s'appuie sur Qwen3-VL-4B-Instruct comme backbone vision-langage et convertit des images de caméra ainsi qu'une instruction textuelle en commandes robotiques concrètes. Deux modèles enseignants, LingBot-Depth et DINO-Video, supervisent l'entraînement par distillation. Sur une carte graphique NVIDIA GeForce RTX 4090D, une inférence prend environ 130 millisecondes avec 10 étapes de débruitage. L'entraînement s'appuie sur environ 60 000 heures de données, dont 50 000 heures de trajectoires robotiques couvrant 20 configurations différentes, du bras unique à l'humanoïde complet, et 10 000 heures de vidéos égocentriques humaines, issues d'un pool brut de 90 000 et 20 000 heures respectivement, filtré par un pipeline qui élimine les échantillons bruités via des scores de secousse, vitesse et accélération. L'annotation des sous-tâches repose sur le modèle Qwen3.6-27B, qui segmente chaque vidéo selon un vocabulaire fermé de 18 catégories d'actions. L'enjeu central visé par Robbyant est de combler l'écart persistant entre les performances des modèles VLA en laboratoire et leurs limites en déploiement réel, un problème récurrent qui freine l'adoption industrielle de la robotique généraliste. En unifiant la représentation des actions dans un vecteur canonique de 55 dimensions, couvrant bras, effecteurs, mains, poignets, tête et base mobile, LingBot-VLA 2.0 permet à un seul modèle de piloter des architectures robotiques très différentes sans réentraînement spécifique. Cette approche pourrait accélérer le déploiement de robots polyvalents dans l'industrie et la logistique, en réduisant les coûts de développement liés à la création d'un modèle par type de robot. L'ouverture du code sous licence permissive vise aussi à stimuler la recherche communautaire sur les modèles VLA multi-embodiment. Le choix d'une architecture Mixture-of-Experts pour l'expert d'action, inspirée des mécanismes de routage sans perte d'équilibrage introduits par DeepSeek-V3, s'inscrit dans une tendance plus large de la recherche en IA visant à augmenter la capacité des modèles sans alourdir le calcul actif. À paramètres actifs équivalents, cette architecture MoE surpasse un modèle dense de référence sur les tâches du benchmark GM-100. LingBot-VLA 2.0 introduit également une distillation à double requête, avec des jetons apprenants ciblant l'observation présente et une observation future, pour anticiper la dynamique du monde plutôt que réagir seulement à l'instant présent. Ces choix technique reflètent la compétition croissante entre laboratoires chinois et occidentaux sur la robotique générale fondée sur des modèles fondation, un terrain où Ant Group cherche désormais à s'imposer aux côtés d'acteurs comme Figure, Physical Intelligence ou Google DeepMind.

💬 C'est le pattern qu'on va voir se répéter partout en robotique cette année : un seul modèle qui pilote bras, mains et humanoïde sans réentraînement par machine. Un vecteur d'action unifié à 55 dimensions, ça règle enfin le vrai problème, celui de devoir refaire un modèle à chaque nouveau robot. Reste que 130ms d'inférence sur une RTX 4090D, c'est loin d'être garanti stable en usine, et Ant Group arrive tard face à Figure ou Physical Intelligence sur ce terrain.