Xiaomi-Robotics-1 không phải một mô hình trò chuyện hay một màn trình diễn robot. Câu hỏi chính là liệu mô hình chính sách robot có thể mạnh lên một cách ổn định khi dữ liệu và quy mô mô hình tăng hay không.
"Xiaomi-Robotics-1 is a ready-to-use robot foundation model trained on over 100K hours of real-world manipulation trajectories."
Nói ngắn gọn, Xiaomi đang thử xây một mô hình nền tảng robot dùng hơn 100 nghìn giờ quỹ đạo thao tác ngoài đời thực.
Nút thắt nằm ở dữ liệu
Dữ liệu robot đắt vì cần thiết bị, người vận hành, bối cảnh thật và bảo trì. Xiaomi dùng UMI để thu thập quỹ đạo thao tác không gắn chặt với một thân robot cụ thể, bao phủ hơn 1.700 kịch bản trong nhà, không gian thương mại, công nghiệp và ngoài trời.
Các quỹ đạo dài được chia thành đoạn và gắn mô tả thay đổi trạng thái bằng mô hình thị giác-ngôn ngữ. Giai đoạn hậu huấn luyện sau đó nối năng lực chung này với robot thật và lệnh ngôn ngữ tự nhiên. Trang chính thức nêu hơn 7.200 giờ dữ liệu robot thật trong nhà thật; báo chí Trung Quốc nói toàn bộ tập dữ liệu xuyên thân khoảng 11 nghìn giờ.
Điểm benchmark mạnh, nhưng chưa đủ cho sản phẩm đại trà
Xiaomi công bố RoboCasa 74,5%, RoboCasa365 57,4%, VLABench 59,1% và RoboDojo 13,93%. Hồ sơ RoboCasa ghi Atomic-Seen 80,2%, Composite-Seen 57,1% và Composite-Unseen 32,1%, với quyền truy cập riêng vào trọng số và mã.
Với nhiệm vụ mới, Xiaomi nói dưới 10 giờ minh họa trung bình cho mỗi nhiệm vụ đã đạt 75% thành công tổng thể, so với 40% của pi0.5. Khi tăng lên dưới 40 giờ, kết quả đạt 85%, còn baseline là 53%.
Dù vậy, robot chạy lâu trong nhà hoặc nhà máy còn cần kiểm chứng độ bền phần cứng, phục hồi lỗi, an toàn và chi phí bảo trì. GitHub vẫn ghi mã và trọng số sẽ được phát hành sau, còn RoboCasa đánh dấu Open Source: no.
Nguồn: Zhidongxi, trang Xiaomi Robotics, CocoLoop, dự án GitHub, RoboCasa Leaderboard và CLS; kiểm tra 100 nghìn giờ, hơn 1.700 kịch bản, 7.200 giờ dữ liệu robot thật, thích ứng 75%/85%, RoboCasa365 57,4% và RoboDojo 13,93%.