Xiaomi-Robotics-1: ரோபாட்டிக்ஸில் மாடல் அளவை விட தரவு அளவே சிறந்தது என்பதை நிரூபிக்கிறது

Xiaomi தனது Xiaomi-Robotics-1 என்ற புதிய அடித்தள மாடலை (foundation model) அறிமுகப்படுத்தியுள்ளது. இது ரோபாட்டிக்ஸ் பயிற்சியின் போக்கையே மாற்றியமைக்கிறது; அதாவது கணினித் திறனை (compute power) அதிகரிப்பதற்குப் பதிலாக, மிகப்பெரிய அளவிலான தரவுகளைப் பயன்படுத்துவதில் (massive data scaling) கவனம் செலுத்துகிறது. ஒரு தனித்துவமான தரவு சேகரிப்பு முறையைப் பயன்படுத்துவதன் மூலம், இந்த மாடல் அறிமுகமில்லாத சூழல்களிலும் சிக்கலான கையாளுதல் பணிகளிலும் (complex manipulation tasks) முன் em chưa பார்த்த அளவிலான தகவமைப்புத் திறனை வெளிப்படுத்துகிறது.

கையடக்கப் பிடிப்பிகள் (Handheld Grippers) மூலம் தரவுத் தடையை உடைத்தல்

ரோபாட்டிக்ஸில் எப்போதும் இருக்கும் முக்கிய சவால் "தரவுத் தடை" (data bottleneck) ஆகும்—அதாவது, விலையுயர்ந்த, நிலையான ரோபோ கைகள் இல்லாமல், அதிகப்படியான உயர்தரத் தரவுகளைச் சேகரிப்பதில் உள்ள சிரமம். Xiaomi இதைத் தவிர்க்க, கேமராக்கள் பொருத்தப்பட்ட கையடக்கப் பிடிப்பிகளைப் (handheld grippers) பயன்படுத்தியது.

ரோபோக்களை நிரலாக்கம் (programming) செய்வதற்குப் பதிலாக, மனிதர்கள் இந்த கையடக்கக் கருவிகளைப் பயன்படுத்தி சமையலறைகள், அலுவலகங்கள் மற்றும் தொழிற்சாலைகள் உட்பட 1,700-க்கும் மேற்பட்ட பல்வேறு சூழல்களில் பணிகளைப் பதிவு செய்தனர். இந்த அணுகுமுறை மூலம் வியக்கத்தக்க வகையில் 1,00,000 மணிநேர இயக்கப் பதிவுகள் (motion recordings) கிடைத்தன. தரவு லேபிளிங் (labeling) சிக்கலைத் தீர்க்க, Xiaomi ஒரு AI மாடலைப் பயன்படுத்தி ஒவ்வொரு இயக்கப் பகுதிக்கான உரை விளக்கங்களையும் தானாகவே உருவாக்கச் செய்தது. இதன் மூலம் வெறும் இரண்டு வாரங்களில் முழுத் தரவுத் தொகுப்பிற்கும் லேபிளிங் பணிகளை முடித்தது.

ஸ்கேலிங் விதி (Scaling Law): கணினித் திறனை விட தரவே முக்கியம்

Xiaomi-Robotics-1 ஆராய்ச்சியின் முக்கிய தொழில்நுட்பக் கண்டுபிடிப்பு என்னவென்றால், மாடலின் அளவையோ அல்லது கணினித் திறனையோ அதிகரிப்பதை விட, அதிகப்படியான பயிற்சித் தரவுகளை வழங்குவது மிகச் சிறந்த செயல்திறனைத் தருகிறது என்பதாகும். பெரிய மாடல்கள் கணிப்புப் பிழைகளைக் (prediction errors) குறைத்தாலும், பயிற்சித் தரவுகளின் அளவு அதிகரிக்கும் போது, அறிமுகமில்லாத சூழல்களில் ரோபோவின் வெற்றி விகிதம் 25%-லிருந்து 75%-ஆகப் பாய்ந்தது.

இது கம்ப்யூட்டர் விஷன் (computer vision) துறையில் காணப்படும் போக்கைப் பிரதிபலிக்கிறது; அங்கு அளவுருக்களின் (parameter counts) எண்ணிக்கையை அதிகரிப்பதை விட, தரவுகளைச் சேர்ப்பதே அதிக மதிப்பைக் கொடுக்கிறது. Xiaomi-இன் பார்வையில், பொது நோக்கத்திற்கான ரோபோ AI (General Purpose Robot AI) என்பது வெறும் பெரிய நரம்பியல் வலைப்பின்னல்களை (neural networks) உருவாக்குவதில் இல்லை, மாறாகத் தரவுத் தொகுப்புகளின் பன்முகத்தன்மை மற்றும் அளவிலேயே உள்ளது.

ஈடுஇணையற்ற தகவமைப்பு மற்றும் பெஞ்ச்மார்க் செயல்திறன்

Xiaomi-Robotics-1 வாய்மொழி அல்லது எழுத்து வடிவிலான கட்டளைகளைப் பின்பற்றுவதற்கும், மிகக் குறைந்த அளவு நுணுக்கமான மாற்றங்களுடன் (fine-tuning) புதிய பணிகளுக்குத் தகவமைத்துக் கொள்வதற்கும் வடிவமைக்கப்பட்டுள்ளது. சோதனையின் போது, துணிகளை ஏற்றுவது, பிரிண்டரில் காகிதத்தைப் போடுவது மற்றும் சூட்கேஸ்களை அடுக்கி வைப்பது போன்ற சிக்கலான பணிகளை இந்த மாடல் மேற்கொண்டது.

முடிவுகள் உறுதியாக இருந்தன:

• விரைவான தகவமைப்பு: 10 மணிநேரத்திற்கும் குறைவான குறிப்பிட்ட பணிப் பயிற்சியுடன், இந்த மாடல் 75% வெற்றி விகிதத்தை எட்டியது. இது போட்டியாளரான Physical Intelligence (40% மட்டுமே எட்டியது) நிறுவனத்தை விடச் சிறந்தது.
• பெஞ்ச்மார்க் ஆதிக்கம்: இந்த மாடல் RoboCasa365 லீடர்போர்டில், குறிப்பாகப் பார்க்கப்படாத கூட்டுப் பணிகளில் (unseen composite tasks) பெரும் இடைவெளியுடன் முன்னிலையில் உள்ளது.
• RoboDojo செயல்திறன்: RoboDojo பெஞ்ச்மார்க்கில், இரண்டாம் இடத்தைப் பிடித்தவரை விட Xiaomi-Robotics-1 சுமார் 58% அதிக மதிப்பெண்களைப் பெற்றது.

காகிதம் போன்ற மென்மையான, எளிதில் உருமாறக்கூடிய பொருட்களைக் கையாளுவதில் இந்த மாடல் சிறப்பான திறனை வெளிப்படுத்தியது—இது கடினமான ரோபோடிக் அமைப்புகளுக்கு (rigid robotic systems) வரலாற்று ரீதியாகவே ஒரு சவாலான பகுதியாகும்.

ரோபாட்டிக்ஸ் தொழில்துறைக்கான ஒரு புதிய திசை

Xiaomi-இன் அணுகுமுறை மற்ற தொழில்துறை ஜாம்பவான்களுடன் ஒரு சந்திப்பில் உள்ளது. Nvidia செயற்கை தரவு உருவாக்கம் (synthetic data generation) மூலம் ரோபாட்டிக்ஸ் தரவுப் பிரச்சனையை ஒரு கணினித் திறன் (compute) பிரச்சனையாக மாற்ற முயற்சிக்கிறது; BAAI-இன் Orca மாடல் லேபிளிடப்படாத வீடியோக்களிலிருந்து கற்க முயற்சிக்கிறது; ஆனால் Xiaomi, தானியங்கி மற்றும் பெரிய அளவிலான லேபிளிடப்பட்ட இயக்கத் தரவுகளில் (labeled motion data) அதிக கவனம் செலுத்துகிறது.

Xiaomi இந்த மாடல் மற்றும் குறியீட்டை (code) GitHub மற்றும் Hugging Face தளங்களில் வெளியிடத் தயாராகி வரும் நிலையில், தொழில்துறை அதை உன்னிப்பாகக் கவனித்து வருகிறது. ரோபாட்டிக்ஸின் அடுத்த கட்ட வெற்றி என்பது மிகவும் சக்திவாய்ந்த சிப்களை (chips) வைத்திருப்பவர்களால் அல்லாமல், மிகவும் பன்முகத்தன்மை கொண்ட மற்றும் சரியாக லேபிளிடப்பட்ட இயக்கத் தரவுத் தொகுப்புகளைக் கொண்டவர்களால் தான் சாத்தியமாகும் என்பதை இந்த வளர்ச்சி உணர்த்துகிறது.

முக்கியக் குறிப்புகள்

• தரவு மையப்படுத்தப்பட்ட அளவிடுதல் (Data-Centric Scaling): மாடலின் அளவையோ அல்லது கணினித் திறனையோ அதிகரிப்பதை விட, பயிற்சித் தரவின் அளவை அதிகரிப்பது ரோபோக்களின் வெற்றி விகிதத்திற்கு மிகவும் பயனுள்ளதாக நிரூபிக்கப்பட்டது.
• புதுமையான சேகரிப்பு: கையடக்கப் பிடிப்பிகள் மூலம், பிரத்யேக ரோபோக்கள் இல்லாமலேயே 1,700 சூழல்களில் 1,00,000 மணிநேர இயக்கத் தரவுகளைச் சேகரிக்க Xiaomi-இன் இந்த முறை உதவியது.
• உயர் பொதுமைப்படுத்தல் (High Generalization): 10 மணிநேரத்திற்கும் குறைவான கூடுதல் பயிற்சியுடன், புதிய பணிகளில் இந்த மாடல் 75% வெற்றி விகிதத்தை எட்ட முடியும்.