机器人圈被传感器军备竞赛困住太久了。总以为要加上深度摄像头、环视鱼眼、激光雷达才能让机器在屋里不撞墙。Mistral AI 一记直拳打过来——Robostral Navigate，8B 参数，只靠单 RGB 摄像头，在 R2R-CE 验证集上未见环境成功率 76.6%，见过环境 79.4%。比之前最强的单摄像头方法高出 9.7 个百分点，甚至把一堆用了深度或多摄像头组合的系统甩开 4.5 个百分点。没有深度，没有多视角拼接，就一只“眼睛”加一个会指方向的大脑。
这个模型的诀窍不在硬件，在训练策略。它通过 pointing 机制直接预测目标坐标，然后靠强化学习持续自我修正，全部训练都在模拟器里完成——约 40 万条轨迹，6000 个场景，用 prefix-caching 把训练效率拉满。最终得到的不是一个为特定机器人定制的控制器，而是一个能适配轮式、腿式乃至飞行机器人的通用导航模块。更狠的是，它在真实世界遇到训练时没见过的障碍物，照样能绕过去，没有额外的 fine-tuning。
这意味着什么？意味着做物流和制造的团队可以把昂贵的传感器预算压下来一大截。一台基础 RGB 摄像头加上这个模型，就能在仓储过道和车间走廊里跑起来。Mistral 这次没发大语言模型，却可能在具身智能的落地上切开一道真正的口子。
