రోబోటిక్స్‌లో మోడల్ పరిమాణం కంటే డేటా పరిమాణం మెరుగైనదని Xiaomi-Robotics-1 నిరూపించింది

Xiaomi తన Xiaomi-Robotics-1ని వెల్లడించింది. ఇది రోబోటిక్ శిక్షణ యొక్క పద్ధతిని కంప్యూటింగ్ శక్తిని పెంచడం నుండి భారీ డేటా స్కేలింగ్ వైపు మళ్లించే ఒక విప్లవాత్మక ఫౌండేషన్ మోడల్. ఒక ప్రత్యేకమైన డేటా సేకరణ పద్ధతిని ఉపయోగించడం ద్వారా, ఈ మోడల్ తెలియని వాతావరణాలు మరియు సంక్లిష్టమైన మానిప్యులేషన్ పనులలో అపూర్వమైన అనుకూలతను ప్రదర్శిస్తుంది.

హ్యాండ్‌హెల్డ్ గ్రిప్పర్‌లతో డేటా అడ్డంకిని అధిగమించడం

రోబోటిక్స్‌లో ప్రధాన సవాలు ఎప్పుడూ "డేటా బాటిల్‌నెక్" (data bottleneck) గానే ఉంది—అంటే ఖరీదైన, స్థిరమైన రోబోటిక్ చేతులు లేకుండా భారీ మొత్తంలో నాణ్యమైన ఇంటరాక్షన్ డేటాను సేకరించడం కష్టతరమైన విషయం. Xiaomi దీనిని కెమెరాలతో కూడిన పోర్టబుల్, హ్యాండ్‌హెల్డ్ గ్రిప్పర్‌లను ఉపయోగించి అధిగమించింది.

రోబోట్‌లను ప్రోగ్రామ్ చేయడానికి బదులుగా, మానవ ఆపరేటర్లు ఈ హ్యాండ్‌హెల్డ్ పరికరాలను ఉపయోగించి వంటగదులు, కార్యాలయాలు మరియు కర్మాగారాలతో సహా 1,700 కంటే ఎక్కువ వైవిధ్యమైన వాతావరణాలలో మానిప్యులేషన్ పనులను రికార్డ్ చేశారు. ఈ విధానం ద్వారా అద్భుతమైన 1,00,000 గంటల మోషన్ రికార్డింగ్‌లు లభించాయి. లేబులింగ్ సమస్యను పరిష్కరించడానికి, Xiaomi ఒక AI మోడల్‌ను ఉపయోగించి ప్రతి మోషన్ సెగ్మెంట్‌కు స్వయంచాలక టెక్స్ట్ వివరణలను రూపొందించింది, దీనివల్ల కేవలం రెండు వారాల్లోనే మొత్తం డేటాసెట్ లేబులింగ్ పూర్తయింది.

స్కేలింగ్ లా: కంప్యూట్ కంటే డేటా ముఖ్యం

Xiaomi-Robotics-1 పరిశోధనలోని ప్రధాన సాంకేతిక అంశం ఏమిటంటే, మోడల్ పరిమాణాన్ని లేదా కంప్యూట్‌ను పెంచడం కంటే ఎక్కువ శిక్షణ డేటాను అందించడం వల్ల గణనీయంగా మెరుగైన పనితీరు లభిస్తుంది. పెద్ద మోడల్స్ ప్రిడిక్షన్ లోపాలను తగ్గిస్తాయి అయినప్పటికీ, శిక్షణ డేటా పరిమాణం పెరిగే కొద్దీ తెలియని వాతావరణాలలో రోబోట్ యొక్క విజయ రేటు 25% నుండి అమాంతం 75%కి పెరిగింది.

ఇది కంప్యూటర్ విజన్‌లో కనిపిస్తున్న ధోరణులను పోలి ఉంటుంది, అక్కడ పారామీటర్ల సంఖ్యను పెంచడం కంటే డేటాను జోడించడం వల్ల ఎక్కువ విలువ లభిస్తుంది. Xiaomiకి, దీని అర్థం జనరల్ పర్పస్ రోబోట్ AI వైపు వెళ్లే మార్గం కేవలం పెద్ద న్యూరల్ నెట్‌వర్క్‌లను నిర్మించడం మాత్రమే కాకుండా, డేటాసెట్‌ల వైవిధ్యం మరియు స్కేల్‌పై ఆధారపడి ఉంటుంది.

సాటిలేని అనుకూలత మరియు బెంచ్‌మార్క్ పనితీరు

Xiaomi-Robotics-1 మాట్లాడే లేదా వ్రాసిన ఆదేశాలను అనుసరించడానికి మరియు కనిష్ట ఫైన్-ట్యూనింగ్‌తో కొత్త పనులకు అనుగుణంగా మారడానికి రూపొందించబడింది. పరీక్షల్లో, ఈ మోడల్‌కు బట్టలు లోడ్ చేయడం, ప్రింటర్‌లో పేపర్ వేయడం మరియు సూట్‌కేస్‌లను ప్యాక్ చేయడం వంటి సంక్లిష్టమైన పనులను అప్పగించారు.

ఫలితాలు స్పష్టంగా ఉన్నాయి:

  • వేగవంతమైన అనుకూలత (Rapid Adaptation): 10 గంటల కంటే తక్కువ టాస్క్-స్పెసిఫిక్ శిక్షణతో, ఈ మోడల్ 75% విజయ రేటును సాధించింది, ఇది కేవలం 40% మాత్రమే సాధించిన ప్రత్యర్థి Physical Intelligence కంటే గణనీయంగా మెరుగ్గా ఉంది.
  • బెంచ్‌మార్క్ ఆధిపత్యం (Benchmark Dominance): ఈ మోడల్ RoboCasa365 లీడర్‌బోర్డ్‌లో, ముఖ్యంగా చూడని కాంపోజిట్ టాస్క్‌లలో భారీ తేడాతో ముందుంది.
  • RoboDojo పనితీరు: RoboDojo బెంచ్‌మార్క్‌లో Xiaomi-Robotics-1 రన్నర్-అప్ కంటే సుమారు 58% ఎక్కువ స్కోరు సాధించింది.

కాగితం వంటి మెత్తని, వంగే పదార్థాలను (soft, deformable materials) నిర్వహించడంలో కూడా ఈ మోడల్ ప్రత్యేక బలాన్ని ప్రదర్శించింది—ఇది రిజిడ్ రోబోటిక్ సిస్టమ్స్‌కు చారిత్రాత్మకంగా కష్టమైన అంశం.

రోబోటిక్స్ పరిశ్రమకు కొత్త దిశ

Xiaomi యొక్క విధానం ఇతర పరిశ్రమ దిగ్గజాల కంటే భిన్నంగా ఉంది. Nvidia సింథటిక్ డేటా జనరేషన్ ద్వారా రోబోటిక్స్ డేటా సమస్యను కంప్యూట్ సమస్యగా మార్చడానికి ప్రయత్నిస్తుండగా, మరియు BAAI యొక్క Orca మోడల్ లేబుల్ చేయని వీడియోల నుండి నేర్చుకోవడానికి ప్రయత్నిస్తుండగా, Xiaomi మాత్రం ఆటోమేటెడ్, భారీ స్థాయి లేబుల్ చేయబడిన మోషన్ డేటాపై మరింత బలంగా దృష్టి పెడుతోంది.

Xiaomi ఈ మోడల్ మరియు కోడ్‌ను GitHub మరియు Hugging Faceలో విడుదల చేయడానికి సిద్ధమవుతున్న తరుణంలో, పరిశ్రమ దీనిని నిశితంగా గమనిస్తోంది. రోబోటిక్స్‌లో తదుపరి మైలురాయి అత్యంత శక్తివంతమైన చిప్‌లు ఉన్నవారితో కాకుండా, అత్యంత వైవిధ్యమైన మరియు చక్కగా లేబుల్ చేయబడిన మోషన్ డేటాసెట్‌లు ఉన్నవారితోనే సాధ్యమవుతుందని ఈ అభివృద్ధి సూచిస్తోంది.

ముఖ్య అంశాలు

  • డేటా-సెంట్రిక్ స్కేలింగ్ (Data-Centric Scaling): మోడల్ పరిమాణం లేదా కంప్యూట్‌ను పెంచడం కంటే శిక్షణ డేటా పరిమాణాన్ని పెంచడం రోబోటిక్ విజయ రేటుకు మరింత ప్రభావవంతంగా నిరూపితమైంది.
  • నూతన సేకరణ (Innovative Collection): హ్యాండ్‌హెల్డ్ గ్రిప్పర్‌ల వల్ల Xiaomi ప్రత్యేక రోబోట్‌లు అవసరం లేకుండానే 1,700 వాతావరణాలలో 1,00,000 గంటల మోషన్ డేటాను సేకరించగలిగింది.
  • అధిక జనరలైజేషన్ (High Generalization): ఈ మోడల్ 10 గంటల కంటే తక్కువ అదనపు శిక్షణతో కొత్త పనులపై 75% విజయ రేటును సాధించగలదు.