로봇 학습, 컴퓨팅 교조에 도전: 데이터가 모델 크기보다 우세
Xiaomi의 로봇 학습 모델은 학습 데이터를 늘리는 것이 모델 크기를 늘리는 것보다 성능을 훨씬 더 크게 향상시킨다는 것을 증명했으며, embodied AI 분야에서 컴퓨팅 집약적 스케일링 법칙에서 벗어나는 전환을 시사합니다.
샤오미는 로봇 공학-1(Robotics-1)을 소개했는데, 이는 로봇 제어를 위해 '더 많은 데이터가 더 큰 모델을 이긴다'는 것을 입증하는 기초 모델이다. 벤치마크 테스트에서 이 발견이 확인되었는데, 성공률은 더 많은 훈련을 통해 25%에서 75%로 급증했다. 데이터 병목 현상을 해결하기 위해 팀은 값비싼 물리적 로봇 대신 휴대용 핸드헬드 그리퍼를 사용하여 1,700개 환경에서 10만 시간의 조작 데이터를 수집했다. LLM과 달리 로봇 공학의 연구 규모 확대는 컴퓨팅 자원을 매개변수 확장보다 데이터 수집에 사용하는 것이 더 낫다는 것을 시사한다. 이 접근 방식은 로봇이 스스로 여행 가방을 싸는 것과 같은 복잡한 작업을 수행할 수 있게 했는데, 이는 구현된 AI 시스템이 개발되는 방식의 잠재적인 변화 지점을 표시한다.