Xiaomi показала: для обучения роботов данные важнее размера модели

Xiaomi представила подход Xiaomi-Robotics-1 к обучению роботов движениям. Вместо того чтобы полагаться на данные с реальных роботов, компания собрала более 100 000 часов моторики с помощью людей, которые использовали ручные захваты с камерами. Это позволило получить гораздо более разнообразный и масштабный датасет.

Ключевой вывод: добавление новых данных улучшало производительность модели значительно сильнее, чем увеличение её размера. При этом эффект от масштабирования данных ещё не достиг плато — то есть дальнейший сбор примеров продолжит давать отдачу. Однако абсолютный уровень успешности выполнения задач пока остаётся низким.

Результат подкрепляет гипотезу, что для обучения физических агентов (роботов) bottleneck сейчас — не архитектура модели, а количество и качество демонстрационных данных. Это смещает фокус с гонки параметров на сбор данных в реальном мире.