Xiaomi-Robotics-1
Xiaomi-Robotics-1 преодолевает главный барьер в робототехнике — нехватку данных — с помощью предобучения на 100 000 часов эмбодимент-свободных траекторий (UMI), охватывающих более 1700 сценариев: от домашних до промышленных пространств. Данные автоматически аннотируются с помощью Vision-Language модели, которая описывает переходы состояний объектов и манипуляторов, позволяя модели учиться генерировать действия, соответствующие текстовым описаниям. При масштабировании данных и параметров ошибка действий падает плавно, что подтверждает наличие масштабируемых законов, как в языковых моделях.
После предобучения модель дообучается на 7200 часах реальных данных роботов Xiaomi и качественных UMI-данных с ручной аннотацией, чтобы сопоставить общие навыки с конкретными телами роботов и пониманием естественных инструкций. В результате Xiaomi-Robotics-1 демонстрирует новое состояние искусства на четырёх симуляционных бенчмарках: до 58,3% прироста по сравнению со вторым местом в RoboDojo. Модель эффективно адаптируется к новым задачам с минимальными данными, показывая высокую обобщающую способность в реальных условиях — от уборки кухни до упаковки багажа.