Xiaomi-Robotics-1 Membuktikan Isipadu Data Mengatasi Saiz Model dalam Robotik

Xiaomi telah melancarkan Xiaomi-Robotics-1, sebuah model asas terobosan yang mengubah paradigma latihan robotik daripada meningkatkan kuasa pengkomputeran kepada penskalaan data secara besar-besaran. Dengan memanfaatkan kaedah pengumpulan data yang unik, model ini menunjukkan kebolehsuaian yang tidak pernah berlaku sebelum ini dalam persekitaran yang tidak dikenali dan tugasan manipulasi yang kompleks.

Mengatasi Kekangan Data dengan Pengapit Pegangan Tangan

Cabaran utama dalam robotik sentiasa merupakan "kekangan data" (data bottleneck)—kesukaran untuk mengumpul jumlah data interaksi berkualiti tinggi yang besar tanpa menggunakan lengan robot pegun yang mahal. Xiaomi mengatasi masalah ini dengan menggunakan pengapit pegangan tangan mudah alih yang dilengkapi dengan kamera.

Berbanding memprogram robot, pengendali manusia menggunakan peranti pegangan tangan ini untuk merakam tugasan manipulasi merentasi lebih daripada 1,700 persekitaran yang pelbagai, termasuk dapur, pejabat, dan kilang. Pendekatan ini menghasilkan rakaman gerakan yang luar biasa sebanyak 100,000 jam. Untuk menyelesaikan masalah pelabelan, Xiaomi menggunakan model AI untuk menjana deskripsi teks secara automatik bagi setiap segmen gerakan, sekali gus melengkapkan pelabelan keseluruhan set data dalam masa hanya dua minggu.

Hukum Penskalaan: Data Mengatasi Pengkomputeran

Wawasan teknikal teras daripada penyelidikan Xiaomi-Robotics-1 adalah bahawa lebih banyak data latihan menghasilkan peningkatan prestasi yang jauh lebih tinggi berbanding sekadar meningkatkan saiz model atau pengkomputeran. Walaupun model yang lebih besar mengurangkan ralat ramalan, kadar kejayaan robot dalam persekitaran yang tidak dikenali melonjak daripada 25% kepada 75% apabila isipadu data latihan meningkat.

Ini mencerminkan trend yang dilihat dalam penglihatan komputer (computer vision), di mana penambahan data memberikan lebih nilai berbanding peningkatan jumlah parameter. Bagi Xiaomi, ini bermakna jalan menuju AI Robotik Serba Guna terletak pada kepelbagaian dan skala set data, bukannya sekadar membina rangkaian neural yang lebih besar.

Kebolehsuaian dan Prestasi Penanda Aras yang Tiada Tandingan

Xiaomi-Robotics-1 direka untuk mengikut arahan lisan atau bertulis dan menyesuaikan diri dengan tugasan baharu dengan penalaan halus (fine-tuning) yang minimum. Dalam ujian, model ini ditugaskan dengan manuver kompleks seperti memuatkan pakaian kotor, memasukkan kertas ke dalam pencetak, dan mengemas beg pakaian.

Hasilnya adalah muktamad:

• Adaptasi Pantas: Dengan kurang daripada 10 jam latihan khusus tugasan, model ini mencapai kadar kejayaan 75%, mengatasi pesaing Physical Intelligence secara ketara yang hanya mencapai 40%.
• Dominasi Penanda Aras: Model ini menerajui carta pendahulu RoboCasa365 dengan jurang yang besar, terutamanya pada tugasan komposit yang tidak pernah dilihat sebelum ini.
• Prestasi RoboDojo: Xiaomi-Robotics-1 mencatatkan skor kira-kira 58% lebih tinggi daripada naib juara dalam penanda aras RoboDojo.

Model ini juga menunjukkan kekuatan khusus dalam mengendalikan bahan lembut dan boleh ubah seperti kertas—suatu bidang yang secara sejarahnya sukar bagi sistem robotik tegar.

Hala Tuju Baharu untuk Industri Robotik

Pendekatan Xiaomi berada di persimpangan jalan dengan gergasi industri lain. Walaupun Nvidia cuba mengubah masalah data robotik kepada masalah pengkomputeran melalui penjanaan data sintetik, dan model Orca daripada BAAI cuba belajar daripada video tanpa label, Xiaomi memberikan tumpuan sepenuhnya kepada data gerakan berlabel berskala besar yang automatik.

Memandangkan Xiaomi sedang bersedia untuk mengeluarkan model dan kod tersebut di GitHub dan Hugging Face, industri sedang memerhati dengan teliti. Perkembangan ini menunjukkan bahawa sempadan baharu robotik tidak akan dimenangi oleh mereka yang mempunyai cip paling berkuasa, tetapi oleh mereka yang mempunyai set data gerakan yang paling pelbagai dan berlabel dengan baik.

Ringkasan Utama

• Penskalaan Berpusatkan Data: Meningkatkan isipadu data latihan terbukti lebih berkesan untuk kadar kejayaan robotik berbanding meningkatkan saiz model atau pengkomputeran.
• Pengumpulan Inovatif: Pengapit pegangan tangan membolehkan Xiaomi mengumpul 100,000 jam data gerakan merentasi 1,700 persekitaran tanpa memerlukan robot khas.
• Generalisasi Tinggi: Model ini boleh mencapai kadar kejayaan 75% pada tugasan baharu dengan kurang daripada 10 jam latihan tambahan.