Xiaomi-Robotics-1 Inathibitisha kuwa Wingi wa Data Unashinda Ukubwa wa Modeli katika Roboti

Xiaomi imefichua Xiaomi-Robotics-1, modeli ya msingi (foundation model) ya mapinduzi inayobadilisha mfumo wa mafunzo ya roboti kutoka kwenye kuongeza nguvu ya kompyuta (compute power) kwenda kwenye upanuzi mkubwa wa data. Kwa kutumia mbinu ya kipekee ya ukusanyaji wa data, modeli hii inaonyesha uwezo mkubwa wa kuzoea mazingira yasiyojulikana na kazi tata za uendeshaji.

Kuvunja Kikwazo cha Data kwa Kutumia Vishikio vya Mkononi (Handheld Grippers)

Changamoto kuu katika roboti imekuwa ni "kikwazo cha data" (data bottleneck)—ugumu wa kukusanya kiasi kikubwa cha data ya mwingiliano ya hali ya juu bila kutumia mikono ya roboti ya bei ghali na isiyohamishika. Xiaomi iliepuka hili kwa kutumia vishikio vya mkononi vinavyobebeka vilivyo na kamera.

Badala ya kuprogramu roboti, waendeshaji binadamu walitumia vifaa hivi vya mkononi kurekodi kazi za uendeshaji katika mazingira zaidi ya 1,700 tofauti, ikiwa ni pamoja na majikoni, ofisi, na viwandani. Mbinu hii ilizaa matokeo ya kusisimua ya saa 100,000 za rekodi za mwendo. Ili kutatua tatizo la uwekaji lebo (labeling), Xiaomi ilitumia modeli ya AI kutengeneza maelezo ya maandishi kiotomatiki kwa kila sehemu ya mwendo, na kukamilisha uwekaji lebo wa seti nzima ya data ndani ya wiki mbili tu.

Sheria ya Upanuzi (The Scaling Law): Data Badala ya Kompyuta

Maarifa makuu ya kiufundi kutoka katika utafiti wa Xiaomi-Robotics-1 ni kwamba data nyingi zaidi za mafunzo huleta ongezeko kubwa la utendaji kuliko kuongeza tu ukubwa wa modeli au nguvu ya kompyuta. Ingawa modeli kubwa hupunguza makosa ya utabiri, kiwango cha mafanikio cha roboti katika mazingira yasiyojulikana kilipanda kutoka 25% hadi 75% kadiri wingi wa data ya mafunzo ulivyoongezeka.

Hii inaakisi mienendo inayoonekana katika uono wa kompyuta (computer vision), ambapo kuongeza data kunatoa thamani zaidi kuliko kuongeza idadi ya vigezo (parameters). Kwa Xiaomi, hii inamaanisha kuwa njia ya kuelekea kwenye AI ya Roboti ya Matumizi ya Jumla (General Purpose Robot AI) iko katika utofauti na ukubwa wa seti za data badala ya kujenga tu mitandao mikubwa ya neva (neural networks).

Uwezo wa Kuzoea Usio na Mfano na Utendaji wa Viwango (Benchmark)

Xiaomi-Robotics-1 imeundwa kufuata amri za maneno au maandishi na kuzoea kazi mpya kwa marekebisho madogo sana (fine-tuning). Katika majaribio, modeli hiyo ilipewa kazi tata kama vile kupakia nguo, kuingiza karatasi kwenye printa, na kufunga mizigo kwenye maleta.

Matokeo yalikuwa ya wazi:

  • Uwezo wa Kuzoea Haraka: Kwa chini ya saa 10 za mafunzo maalum ya kazi, modeli ilifikia kiwango cha mafanikio cha 75%, ikishinda kwa kiasi kikubwa mshindani Physical Intelligence, ambaye alifikia 40% pekee.
  • Utawala wa Viwango (Benchmark): Modeli inaongoza kwenye orodha ya RoboCasa365 kwa tofauti kubwa, hasa kwenye kazi mchanganyiko ambazo hazijawahi kuonekana.
  • Utendaji wa RoboDojo: Xiaomi-Robotics-1 ilipata alama za juu zaidi kwa takriban 58% kuliko mshindani wa pili kwenye kiwango cha RoboDojo.

Modeli hiyo pia ilionyesha nguvu ya kipekee katika kushughulikia vifaa laini na vinavyoweza kubadilika umbo kama karatasi—eneo ambalo kihistoria limekuwa gumu kwa mifumo ya roboti migumu (rigid robotic systems).

Mwelekeo Mpya kwa Sekta ya Roboti

Mbinu ya Xiaomi iko katika njia panda na majitu mengine ya sekta hiyo. Wakati Nvidia inajaribu kugeuza tatizo la data ya roboti kuwa tatizo la kompyuta kupitia uundaji wa data bandia (synthetic data generation), na modeli ya Orca ya BAAI inajaribu kujifunza kutoka kwa video zisizo na lebo, Xiaomi inawekeza zaidi kwenye data ya mwendo iliyowekwa lebo kwa kiwango kikubwa na kiotomatiki.

Wakati Xiaomi ikijiandaa kutoa modeli na kodi kwenye GitHub na Hugging Face, sekta hiyo inatazama kwa karibu. Maendeleo haya yanaashiria kuwa mpaka mpya wa roboti hautashindwi na wale wenye chip zenye nguvu zaidi, bali na wale wenye seti za data za mwendo zenye utofauti mkubwa na zilizowekwa lebo vizuri.

Mambo Muhimu ya Kuzingatia

  • Upanuzi Unaozingatia Data: Kuongeza wingi wa data ya mafunzo kulionekana kuwa na ufanisi zaidi kwa viwango vya mafanikio ya roboti kuliko kuongeza ukubwa wa modeli au nguvu ya kompyuta.
  • Ukusanyaji wa Ubunifu: Vishikio vya mkononi viliwezesha Xiaomi kukusanya saa 100,000 za data ya mwendo katika mazingira 1,700 bila kuhitaji roboti maalum.
  • Uwezo Mkubwa wa Kutumika Katika Mazingira Mapya: Modeli inaweza kufikia kiwango cha mafanikio cha 75% kwenye kazi mpya kwa chini ya saa 10 za mafunzo ya ziada.