ロボット学習が計算資源の常識を打破:データはモデルサイズに勝る
xiaomiのロボット学習モデルは、学習データを増やすことがモデルサイズを増やすよりも大幅に性能を向上させることを実証し、embodied ai向けの計算資源集中型スケーリング則からの転換を示唆している。
シャオミは、ロボット制御において「より多くのデータがより大きなモデルに勝る」ことを示す基礎モデルであるRobotics-1を発表した。この知見は、ベンチマークテストによって確認されており、トレーニングデータを増やすことで成功率が25%から75%に跳ね上がった。データのボトルネックを解決するために、チームは、高価な物理ロボットではなく、ポータブルハンドヘルドグリッパーを使用して1,700の環境で100,000時間の操作データを収集した。LLMとは異なり、ロボティクスの研究のスケーリングは、パラメータの拡張ではなく、データ収集に計算リソースを費やすことが最善であることを示している。このアプローチにより、ロボットはスーツケースを自律的にパッキングするなどの複雑なタスクを実行可能になり、 Embodied AI システムの開発方法における潜在的な転換点を示した。