샤오미, 10만 시간 데이터로 로봇 정책 모델의 스케일링 돌파구 마련
Xiaomi-Robotics-1
샤오미가 로봇 파운데이션 모델 'Xiaomi-Robotics-1'을 공개했다. 10만 시간의 embodiment-free(UMI) 사전 학습 데이터와 7,200시간의 실제 로봇 데이터를 결합해, 로봇 정책 모델의 스케일링 한계를 극복했다. 사전 학습에서 데이터와 모델 크기가 증가함에 따라 검증 손실이 꾸준히 감소하는 깨끗한 스케일링 동작을 보였으며, 이는 실제 로봇 성공률 향상으로 이어졌다. 또한, 작업당 10시간 미만의 데이터로 75%의 성공률을 달성해 π 0.5 대비 거의 2배에 가까운 성능을 보였고, RoboCasa365, VLABench, RoboDojo 등 4개 시뮬레이션 벤치마크에서 최고 성능을 기록했다.
사전 학습은 데이터와 모델 크기가 커질수록 검증 손실이 꾸준히 감소하는 깨끗한 스케일링 동작을 보여주며, 이는 사후 학습 후 실제 로봇 성공률의 꾸준하고 예측 가능한 향상으로 이어진다.