更多数据胜过更大模型

小米发布了名为Xiaomi-Robotics-1的机器人AI模型，该模型遵循与大型语言模型相似的扩展规律，即性能随训练数据增加而提升。为构建数据集，小米主要未使用实体机器人，而是采用便携式手持夹爪，配备摄像头，由人类直接操作。这种方法在厨房、办公室、商店、工厂车间和户外空间等1700多种环境中记录了超过10万小时的运动数据，解决了机器人AI领域数据稀缺的问题。

数据标注是另一大挑战，小米使用另一个AI模型为每个运动片段生成文本描述，仅用约两周时间完成了整个数据集的标注。随后，小米将训练迁移至实体机器人，包括轮式模型和双臂系统，并考虑了手持夹爪与机器人臂之间的差异。后训练阶段结合了真实公寓记录、开源机器人数据集和标注的UMI数据。

测试结果显示，增加训练数据量比扩大模型规模带来更大的性能提升。在陌生环境中，随着训练数据增加，模型成功率从约25%升至75%，且尚未达到平台期。这一发现与早期视觉数据研究结果一致，表明在机器人AI中，数据收集的规模和多样性是关键。在标准基准测试中，Xiaomi-Robotics-1取得了最佳成绩，例如机器人能在无人协助下完成打包行李箱等复杂任务。

模型在适应新任务方面表现出色，在包装手机、装载衣物、喂纸和装箱等四项任务中，仅需不到10小时的训练数据即可达到75%的平均成功率，远超Physical Intelligence的40%。在RoboCasa365排行榜上，Xiaomi-Robotics-1领先幅度显著，尤其在未见过的复合任务上表现突出。

机器人数据仍是研究重点，不同团队采取不同方案。小米的手持夹爪旨在解决遥操作数据昂贵且场景有限的问题。Nvidia等机构通过AI编码代理自主训练机器人，而BAAI的Orca模型则从无标签视频中学习。小米的发现——更多数据比更多计算更重要——使数据标注问题更加关键。小米计划在GitHub和Hugging Face上发布模型和代码。

要点

• Xiaomi-Robotics-1使用超过10万小时的手持夹爪运动数据训练，证明数据量比模型规模更关键。
• 模型在陌生环境中的成功率从25%提升至75%，且性能尚未达到平台期。
• 仅需不到10小时的新任务训练数据，模型即可达到75%的平均成功率。
• 小米通过AI模型自动标注数据，大幅降低人工成本。
• 模型在标准基准测试中领先，但绝对成功率仍较低。