Xiaomi-Robotics-1 prova que o volume de dados supera o tamanho do modelo em robótica

A Xiaomi revelou o Xiaomi-Robotics-1, um modelo de fundação revolucionário que muda o paradigma do treinamento robótico de aumentar o poder de computação para o escalonamento massivo de dados. Ao aproveitar um método de coleta de dados exclusivo, o modelo demonstra uma adaptabilidade sem precedentes em ambientes desconhecidos e tarefas de manipulação complexas.

Quebrando o gargalo de dados com garras portáteis

O principal desafio na robótica sempre foi o "gargalo de dados" — a dificuldade de coletar vastas quantidades de dados de interação de alta qualidade sem o uso de braços robóticos caros e estacionários. A Xiaomi contornou isso utilizando garras portáteis equipadas com câmeras.

Em vez de programar robôs, operadores humanos usaram esses dispositivos portáteis para registrar tarefas de manipulação em mais de 1.700 ambientes diversos, incluindo cozinhas, escritórios e fábricas. Essa abordagem gerou impressionantes 100.000 horas de gravações de movimento. Para resolver o problema de rotulagem, a Xiaomi utilizou um modelo de IA para gerar automaticamente descrições de texto para cada segmento de movimento, concluindo a rotulagem de todo o conjunto de dados em apenas duas semanas.

A Lei de Escalonamento: Dados sobre Computação

O principal insight técnico da pesquisa do Xiaomi-Robotics-1 é que mais dados de treinamento produzem ganhos de desempenho significativamente maiores do que simplesmente aumentar o tamanho do modelo ou a computação. Embora modelos maiores reduzam os erros de previsão, a taxa de sucesso do robô em ambientes desconhecidos saltou de 25% para 75% à medida que o volume de dados de treinamento aumentou.

Isso reflete tendências observadas na visão computacional, onde a adição de dados oferece mais valor do que o aumento da contagem de parâmetros. Para a Xiaomi, isso significa que o caminho para uma IA de robôs de propósito geral reside na diversidade e na escala dos conjuntos de dados, e não apenas na construção de redes neurais maiores.

Adaptabilidade Inigualável e Desempenho em Benchmarks

O Xiaomi-Robotics-1 foi projetado para seguir comandos falados ou escritos e se adaptar a novas tarefas com o mínimo de ajuste fino (fine-tuning). Nos testes, o modelo foi encarregado de manobras complexas, como carregar roupas, alimentar uma impressora com papel e arrumar malas.

Os resultados foram definitivos:

  • Adaptação Rápida: Com menos de 10 horas de treinamento específico para a tarefa, o modelo alcançou uma taxa de sucesso de 75%, superando significativamente a concorrente Physical Intelligence, que atingiu apenas 40%.
  • Domínio em Benchmarks: O modelo lidera o ranking do RoboCasa365 com uma ampla margem, particularmente em tarefas compostas não vistas anteriormente.
  • Desempenho no RoboDojo: O Xiaomi-Robotics-1 obteve uma pontuação aproximadamente 58% superior à do segundo colocado no benchmark RoboDojo.

O modelo também mostrou uma força particular no manuseio de materiais macios e deformáveis, como o papel — uma área historicamente difícil para sistemas robóticos rígidos.

Uma Nova Direção para a Indústria de Robótica

A abordagem da Xiaomi encontra-se em uma encruzilhada com outros gigantes da indústria. Enquanto a Nvidia tenta transformar o problema de dados da robótica em um problema de computação por meio da geração de dados sintéticos, e o modelo Orca da BAAI tenta aprender com vídeos não rotulados, a Xiaomi está apostando alto em dados de movimento rotulados, automatizados e em larga escala.

Enquanto a Xiaomi se prepara para lançar o modelo e o código no GitHub e no Hugging Face, a indústria observa de perto. Este desenvolvimento sugere que a próxima fronteira da robótica não será conquistada por aqueles com os chips mais poderosos, mas por aqueles com os conjuntos de dados de movimento mais diversos e bem rotulados.

Principais Conclusões

  • Escalonamento Centrado em Dados: O aumento do volume de dados de treinamento provou ser mais eficaz para as taxas de sucesso robótico do que o aumento do tamanho do modelo ou da computação.
  • Coleta Inovadora: As garras portáteis permitiram que a Xiaomi acumulasse 100.000 horas de dados de movimento em 1.700 ambientes sem a necessidade de robôs dedicados.
  • Alta Generalização: O modelo pode alcançar uma taxa de sucesso de 75% em novas tarefas com menos de 10 horas de treinamento adicional.