Xiaomi-Robotics-1 dimostra che il volume di dati supera le dimensioni del modello nella robotica

Xiaomi ha presentato Xiaomi-Robotics-1, un modello di base (foundation model) rivoluzionario che sposta il paradigma dell'addestramento robotico dall'aumento della potenza di calcolo alla scalabilità massiccia dei dati. Sfruttando un metodo di raccolta dati unico, il modello dimostra un'adattabilità senza precedenti in ambienti sconosciuti e in compiti di manipolazione complessi.

Superare il collo di bottiglia dei dati con pinze portatili

La sfida principale nella robotica è sempre stata il "collo di bottiglia dei dati": la difficoltà di raccogliere enormi quantità di dati di interazione di alta qualità senza l'ausilio di costosi bracci robotici stazionari. Xiaomi ha aggirato questo problema utilizzando pinze portatili dotate di telecamere.

Invece di programmare i robot, gli operatori umani hanno utilizzato questi dispositivi portatili per registrare compiti di manipolazione in oltre 1.700 ambienti diversi, tra cui cucine, uffici e fabbriche. Questo approccio ha prodotto l'incredibile cifra di 100.000 ore di registrazioni di movimento. Per risolvere il problema dell'etichettatura, Xiaomi ha impiegato un modello di IA per generare automaticamente descrizioni testuali per ogni segmento di movimento, completando l'etichettatura dell'intero dataset in sole due settimane.

La legge di scala: i dati prevalgono sul calcolo

L'intuizione tecnica fondamentale della ricerca su Xiaomi-Robotics-1 è che una maggiore quantità di dati di addestramento produce guadagni di prestazioni significativamente più elevati rispetto al semplice aumento delle dimensioni del modello o della potenza di calcolo. Sebbene i modelli più grandi riducano effettivamente gli errori di previsione, il tasso di successo del robot in ambienti sconosciuti è balzato dal 25% al 75% all'aumentare del volume dei dati di addestramento.

Questo rispecchia le tendenze osservate nella computer vision, dove l'aggiunta di dati fornisce più valore rispetto all'aumento del numero di parametri. Per Xiaomi, ciò significa che la strada verso un'IA robotica a scopo generale risiede nella diversità e nella scala dei dataset, piuttosto che nel semplice sviluppo di reti neurali più grandi.

Adattabilità senza pari e prestazioni nei benchmark

Xiaomi-Robotics-1 è progettato per seguire comandi vocali o scritti e per adattarsi a nuovi compiti con un fine-tuning minimo. Durante i test, al modello sono stati affidati manovre complesse come caricare il bucato, inserire carta in una stampante e fare le valigie.

I risultati sono stati definitivi:

• Adattamento rapido: Con meno di 10 ore di addestramento specifico per il compito, il modello ha raggiunto un tasso di successo del 75%, superando significativamente il concorrente Physical Intelligence, che si è fermato al 40%.
• Dominio nei benchmark: Il modello guida la classifica di RoboCasa365 con un ampio margine, in particolare nei compiti composti mai visti prima.
• Prestazioni su RoboDojo: Xiaomi-Robotics-1 ha ottenuto un punteggio di circa il 58% superiore rispetto al secondo classificato nel benchmark RoboDojo.

Il modello ha mostrato una particolare forza anche nella gestione di materiali morbidi e deformabili come la carta, un ambito storicamente difficile per i sistemi robotici rigidi.

Una nuova direzione per l'industria della robotica

L'approccio di Xiaomi si trova a un bivio rispetto ad altri giganti del settore. Mentre Nvidia sta cercando di trasformare il problema dei dati nella robotica in un problema di calcolo attraverso la generazione di dati sintetici, e il modello Orca di BAAI tenta di apprendere da video non etichettati, Xiaomi punta tutto sui dati di movimento etichettati, automatizzati e su larga scala.

Mentre Xiaomi si prepara a rilasciare il modello e il codice su GitHub e Hugging Face, l'industria osserva con attenzione. Questo sviluppo suggerisce che la prossima frontiera della robotica non sarà conquistata da chi possiede i chip più potenti, ma da chi dispone dei dataset di movimento più diversificati e ben etichettati.

Punti chiave

• Scalabilità centrata sui dati: L'aumento del volume dei dati di addestramento si è dimostrato più efficace per i tassi di successo della robotica rispetto all'aumento delle dimensioni del modello o della potenza di calcolo.
• Raccolta innovativa: Le pinze portatili hanno permesso a Xiaomi di accumulare 100.000 ore di dati di movimento in 1.700 ambienti senza la necessità di robot dedicati.
• Alta generalizzazione: Il modello può raggiungere un tasso di successo del 75% su nuovi compiti con meno di 10 ore di addestramento aggiuntivo.