Компания Xiaomi представила модель Xiaomi Robotics-1, обученную на 100 000 часах данных о движении. Исследование показало, что увеличение объема качественных данных дает более значительный прирост производительности роботов, чем простое масштабирование параметров модели. Этот подход позволяет эффективнее обучать манипуляторы сложным действиям, даже при сохранении текущей архитектуры нейросети.
Для сбора обучающей выборки инженеры использовали не промышленных роботов, а ручные захваты с камерами, которыми управляли люди. Такой метод позволил быстро накопить массив данных о естественных движениях и взаимодействии с объектами. Результаты тестов подтверждают, что кривая обучения не достигла плато: дальнейшее расширение датасета продолжает улучшать точность выполнения задач.
Несмотря на прогресс, абсолютные показатели успешности выполнения операций остаются невысокими. Текущие результаты подчеркивают разрыв между лабораторными прототипами и реальными производственными задачами, требующими высокой точности. Тем не менее, акцент на сборе данных через человеко-машинное взаимодействие становится ключевым трендом в развитии автономных робототехнических систем.
Ключевые факты
- Модель обучена на 100 000 часах видеоданных, собранных с помощью ручных захватов с камерами.
- Увеличение объема данных показало более высокую эффективность, чем наращивание количества параметров модели.
- Исследование подтвердило отсутствие эффекта плато при увеличении обучающей выборки.
- Методология сбора данных через человеческие движения позволяет значительно ускорить процесс обучения роботов.