Xiaomi-Robotics-1 Membuktikan Volume Data Lebih Unggul daripada Ukuran Model dalam Robotika

Xiaomi telah meluncurkan Xiaomi-Robotics-1, sebuah model fondasi terobosan yang menggeser paradigma pelatihan robotika dari peningkatan daya komputasi ke penskalaan data secara masif. Dengan memanfaatkan metode pengumpulan data yang unik, model ini menunjukkan adaptabilitas yang belum pernah ada sebelumnya di lingkungan yang tidak dikenal dan tugas manipulasi yang kompleks.

Memecahkan Hambatan Data dengan Gripper Genggam

Tantangan utama dalam robotika selalu berupa "hambatan data" (data bottleneck)—sulitnya mengumpulkan data interaksi berkualitas tinggi dalam jumlah besar tanpa lengan robot stasioner yang mahal. Xiaomi mengatasi hal ini dengan menggunakan gripper genggam portabel yang dilengkapi dengan kamera.

Alih-alih memprogram robot, operator manusia menggunakan perangkat genggam ini untuk merekam tugas manipulasi di lebih dari 1.700 lingkungan yang beragam, termasuk dapur, kantor, dan pabrik. Pendekatan ini menghasilkan 100.000 jam rekaman gerakan yang sangat besar. Untuk menyelesaikan masalah pelabelan, Xiaomi menggunakan model AI untuk menghasilkan deskripsi teks secara otomatis bagi setiap segmen gerakan, menyelesaikan pelabelan seluruh dataset hanya dalam waktu dua minggu.

Scaling Law: Data di Atas Komputasi

Wawasan teknis inti dari penelitian Xiaomi-Robotics-1 adalah bahwa lebih banyak data pelatihan menghasilkan peningkatan performa yang jauh lebih tinggi daripada sekadar meningkatkan ukuran model atau komputasi. Meskipun model yang lebih besar memang mengurangi kesalahan prediksi, tingkat keberhasilan robot di lingkungan yang tidak dikenal melonjak drastis dari 25% menjadi 75% seiring bertambahnya volume data pelatihan.

Hal ini mencerminkan tren yang terlihat dalam computer vision, di mana penambahan data memberikan nilai lebih besar daripada peningkatan jumlah parameter. Bagi Xiaomi, ini berarti jalan menuju General Purpose Robot AI terletak pada keragaman dan skala dataset, bukan sekadar membangun jaringan saraf (neural networks) yang lebih besar.

Adaptabilitas dan Performa Benchmark yang Tak Tertandingi

Xiaomi-Robotics-1 dirancang untuk mengikuti perintah lisan atau tertulis dan beradaptasi dengan tugas-tugas baru dengan fine-tuning minimal. Dalam pengujian, model ini diberi tugas manuver kompleks seperti memasukkan cucian, memasukkan kertas ke dalam printer, dan mengemas koper.

Hasilnya sangat meyakinkan:

  • Adaptasi Cepat: Dengan kurang dari 10 jam pelatihan khusus tugas, model ini mencapai tingkat keberhasilan 75%, jauh mengungguli pesaingnya, Physical Intelligence, yang hanya mencapai 40%.
  • Dominasi Benchmark: Model ini memimpin papan peringkat RoboCasa365 dengan selisih yang jauh, terutama pada tugas komposit yang belum pernah dilihat sebelumnya.
  • Performa RoboDojo: Xiaomi-Robotics-1 mencetak skor sekitar 58% lebih tinggi daripada runner-up pada benchmark RoboDojo.

Model ini juga menunjukkan kekuatan khusus dalam menangani bahan yang lunak dan dapat berubah bentuk (deformable) seperti kertas—sebuah bidang yang secara historis sulit bagi sistem robotika kaku.

Arah Baru bagi Industri Robotika

Pendekatan Xiaomi berada di persimpangan jalan dengan raksasa industri lainnya. Sementara Nvidia mencoba mengubah masalah data robotika menjadi masalah komputasi melalui pembuatan data sintetis, dan model Orca dari BAAI mencoba belajar dari video tanpa label, Xiaomi justru memperkuat fokusnya pada data gerakan berlabel berskala besar yang otomatis.

Saat Xiaomi bersiap untuk merilis model dan kodenya di GitHub dan Hugging Face, industri sedang mengamati dengan saksama. Perkembangan ini menunjukkan bahwa batas baru (frontier) robotika tidak akan dimenangkan oleh mereka yang memiliki chip paling kuat, melainkan oleh mereka yang memiliki dataset gerakan yang paling beragam dan terlabeli dengan baik.

Poin-Poin Penting

  • Penskalaan Berpusat pada Data: Meningkatkan volume data pelatihan terbukti lebih efektif untuk tingkat keberhasilan robotika daripada meningkatkan ukuran model atau komputasi.
  • Pengumpulan Inovatif: Gripper genggam memungkinkan Xiaomi untuk mengumpulkan 100.000 jam data gerakan di 1.700 lingkungan tanpa memerlukan robot khusus.
  • Generalisasi Tinggi: Model ini dapat mencapai tingkat keberhasilan 75% pada tugas-tugas baru dengan kurang dari 10 jam pelatihan tambahan.