機器人學習打破算力教條：數據量比模型大小更重要

小米近日推出了Robotics-1，一個基礎模型，證明了「更多的數據勝過更大的模型」在機器人控制方面的可行性，這一發現得到了基準測試的證實，在測試中，隨著訓練數據的增加，成功率從25%躍升至75%。為了解決數據瓶頸，團隊使用了便攜式手持夾持器，在1,700個環境中收集了100,000小時的操作數據，而不是昂貴的實體機器人。不像大型語言模型（LLMs），機器人研究的擴充表明，計算資源最好用於數據收集，而不是參數擴充。這種方法使機器人能夠執行複雜任務，例如自主打包行李，標誌著體化AI系統開發的潛在轉折點。