Xiaomi-Robotics-1 demuestra que el volumen de datos supera al tamaño del modelo en robótica

Xiaomi ha presentado Xiaomi-Robotics-1, un modelo fundacional revolucionario que cambia el paradigma del entrenamiento robótico: de aumentar la potencia de cómputo a escalar masivamente los datos. Mediante el uso de un método de recolección de datos único, el modelo demuestra una adaptabilidad sin precedentes en entornos desconocidos y tareas de manipulación complejas.

Rompiendo el cuello de botella de los datos con pinzas portátiles

El principal desafío en la robótica siempre ha sido el "cuello de botella de los datos": la dificultad de recolectar grandes cantidades de datos de interacción de alta calidad sin necesidad de costosos brazos robóticos estacionarios. Xiaomi superó esto utilizando pinzas portátiles de mano equipadas con cámaras.

En lugar de programar robots, los operadores humanos utilizaron estos dispositivos portátiles para registrar tareas de manipulación en más de 1.700 entornos diversos, incluyendo cocinas, oficinas y fábricas. Este enfoque produjo la asombrosa cifra de 100.000 horas de grabaciones de movimiento. Para resolver el problema del etiquetado, Xiaomi empleó un modelo de IA para generar automáticamente descripciones de texto para cada segmento de movimiento, completando el etiquetado de todo el conjunto de datos en solo dos semanas.

La ley de escalado: Datos sobre cómputo

La idea técnica central de la investigación de Xiaomi-Robotics-1 es que una mayor cantidad de datos de entrenamiento produce mejoras de rendimiento significativamente superiores a las que se obtendrían simplemente aumentando el tamaño del modelo o el cómputo. Si bien los modelos más grandes sí reducen los errores de predicción, la tasa de éxito del robot en entornos desconocidos se disparó del 25% al 75% a medida que aumentaba el volumen de datos de entrenamiento.

Esto refleja las tendencias observadas en la visión artificial, donde añadir datos aporta más valor que aumentar el número de parámetros. Para Xiaomi, esto significa que el camino hacia una IA robótica de propósito general reside en la diversidad y la escala de los conjuntos de datos, más que en la simple construcción de redes neuronales más grandes.

Adaptabilidad inigualable y rendimiento en benchmarks

Xiaomi-Robotics-1 está diseñado para seguir comandos hablados o escritos y adaptarse a nuevas tareas con un ajuste fino mínimo. En las pruebas, se le asignaron al modelo maniobras complejas como cargar la ropa, alimentar una impresora con papel y hacer maletas.

Los resultados fueron definitivos:

• Adaptación rápida: Con menos de 10 horas de entrenamiento específico para la tarea, el modelo alcanzó una tasa de éxito del 75%, superando significativamente al competidor Physical Intelligence, que solo alcanzó el 40%.
• Dominio en benchmarks: El modelo lidera la tabla de clasificación de RoboCasa365 por un amplio margen, especialmente en tareas compuestas no vistas previamente.
• Rendimiento en RoboDojo: Xiaomi-Robotics-1 obtuvo una puntuación aproximadamente un 58% superior a la del segundo clasificado en el benchmark RoboDojo.

El modelo también mostró una fortaleza particular en el manejo de materiales blandos y deformables como el papel, un área históricamente difícil para los sistemas robóticos rígidos.

Una nueva dirección para la industria de la robótica

El enfoque de Xiaomi se encuentra en una encrucijada con otros gigantes de la industria. Mientras Nvidia intenta convertir el problema de los datos robóticos en un problema de cómputo mediante la generación de datos sintéticos, y el modelo Orca de BAAI intenta aprender de videos sin etiquetar, Xiaomi apuesta por los datos de movimiento etiquetados a gran escala y de forma automatizada.

Mientras Xiaomi se prepara para lanzar el modelo y el código en GitHub y Hugging Face, la industria observa de cerca. Este desarrollo sugiere que la próxima frontera de la robótica no la ganarán quienes tengan los chips más potentes, sino quienes posean los conjuntos de datos de movimiento más diversos y bien etiquetados.

Conclusiones clave

• Escalado centrado en los datos: Aumentar el volumen de datos de entrenamiento resultó ser más efectivo para las tasas de éxito robótico que aumentar el tamaño del modelo o el cómputo.
• Recolección innovadora: Las pinzas portátiles permitieron a Xiaomi acumular 100.000 horas de datos de movimiento en 1.700 entornos sin necesidad de robots dedicados.
• Alta generalización: El modelo puede alcanzar una tasa de éxito del 75% en nuevas tareas con menos de 10 horas de entrenamiento adicional.