단일 RGB 카메라와 자연어 명령으로 구동하는 8B 모델

로봇이 실내에서 장애물을 피하고 목적지를 찾으려면 왜 수백만 원대의 고가 센서와 복잡한 사전 지도가 필요할까. 미스트랄 AI는 이러한 하드웨어 의존성을 없애고 일반 카메라 한 대와 말 한마디로 움직이는 로보스트랄 내비게이트(Robostral Navigate)를 공개했다.

로보스트랄 내비게이트는 80억(8B) 개의 파라미터를 가진 비전·언어(Vision-Language) 모델이다. 일반 RGB 카메라 1대와 "주방으로 가라" 같은 자연어 명령만으로 실내 환경을 탐색하고 목적지까지 이동한다. 기존 자율주행 로봇이 필수적으로 사용하던 라이다(LiDAR), 심도 카메라, 다중 카메라 시스템을 모두 제거했다.

별도의 사전 지도 구축이나 복잡한 센서 융합 없이 카메라 영상과 명령을 실시간으로 분석해 경로를 생성한다. 바퀴형, 다리형, 비행형 등 로봇의 형태나 크기에 상관없이 범용적으로 작동하며, 고가 센서를 제거해 제조 단가를 낮추고 지도 구축 공정을 생략해 배포 효율을 높였다.

R2R-CE 벤치마크 1위와 강화학습 기반의 경로 생성

이러한 하드웨어 간소화는 강화학습을 통한 정교한 경로 생성 능력이 뒷받침되었기에 가능하다. 로보스트랄 내비게이트는 사용자가 목적지를 지정하는 포인팅 기반 내비게이션과 강화학습(RL, 시행착오를 통해 최적의 행동을 학습하는 방식)을 결합해 경로를 생성한다.

실내 내비게이션 벤치마크인 R2R-CE(Room-to-Room Continuous Environment) 검증 결과, 기존 단일 카메라 기반 모델보다 성능이 9.7%포인트 높았다. 심도 센서나 다중 카메라를 사용하는 모델과 비교해도 4.5%포인트 우수한 수치를 기록했다.

이 기술은 제조, 배송, 물류, 호스피탈리티(서비스업) 등 다양한 산업 현장에 적용 가능하다.

이제 로봇 배포의 성패는 센서의 정밀도가 아니라, 지도 구축 공정을 생략해 얻는 시간적 이득과 제조 단가 절감 폭을 계산하는 효율성 판단에 달려 있다. 물리적 환경을 이해하는 방식이 정밀 측정에서 시각적 추론으로 전환되었다.