Xiaomi-Robotics-1 - 10만 시간의 실제 데이터로 학습한 로봇 파운데이션 모델

샤오미가 대규모 데이터 부족 문제를 해결하기 위해 100,000시간의 비체화(Embodiment-free, UMI) 트래젝토리 데이터와 7,200시간의 실제 로봇 데이터를 결합한 Xiaomi-Robotics-1 모델을 발표했습니다.

학습은 두 단계로 진행됩니다:

• Pre-training: 1,700개 이상의 시나리오에서 수집된 대규모 UMI 데이터를 통해 일반적인 동작 생성 능력을 학습하며, VLM을 활용한 자동 레이블링 파이프라인을 통해 상태 전이(State transition)를 학습합니다.
• Post-training: 학습된 능력을 실제 로봇에 정렬(Alignment)시키고, 자연어 지시사항을 직접 수행할 수 있도록 Instruction alignment 과정을 거칩니다.

연구 결과, 데이터와 모델 크기가 증가함에 따라 실제 로봇의 작업 성공률이 예측 가능한 방식으로 꾸준히 상승하는 Scaling Law를 확인했습니다. 이를 통해 모델이 새로운 환경과 물체에 대해서도 높은 범용성을 가짐을 입증했습니다.