Xiaomi-Robotics-1

Xiaomi-Robotics-1은 LLM의 학습 패러다임을 로봇 제어에 적용한 정책 모델이다. 로보틱스 분야가 데이터 부족으로 스케일링 법칙의 혜택을 받지 못했다는 문제의식에서 출발한다.

사전학습에는 UMI(체현 독립적) 데이터 10만 시간, 1,700개 이상의 시나리오(가정, 상업시설, 산업현장, 실외)를 활용했다. 긴 영상을 고정 길이 클립으로 분할하고 VLM이 각 클립의 그리퍼·객체 상태 전환을 자동 언어 라벨링하는 파이프라인을 구축했다.

사후학습에서는 실제 로봇 데이터 7,200시간 이상을 포함한 크로스-체현 데이터셋으로 체현 정렬과 명령어 정렬 두 축의 파인튜닝을 수행했다. 소파 정리, 신발장 정리, 주방용품 수납 등 실생활 태스크를 다룬다.

핵심 발견은 스케일링 효과가 실제 로봇 성능으로 이어진다는 점이다. 사전학습 데이터 및 모델 크기가 증가할수록 검증 액션 오류가 감소하고, 사후학습 후 실로봇 성공률도 지속적으로 상승하며 포화 징후가 없다.