A Xiaomi lançou o Xiaomi-Robotics-1, um modelo de inteligência artificial para robôs que está redefinindo a forma como máquinas aprendem a se mover. Em vez de focar apenas em modelos de IA cada vez maiores, a pesquisa da Xiaomi mostra que o segredo para o avanço da robótica reside na quantidade e variedade de dados de treinamento. Com mais de 100.000 horas de gravações de movimento coletadas de forma inovadora, o Xiaomi-Robotics-1 demonstrou que mais dados superam o tamanho do modelo na melhoria do desempenho, com taxas de sucesso subindo de 25% para 75% em ambientes desconhecidos.

Qual o principal desafio no treinamento de robôs com IA?

O treinamento de inteligências artificiais para robôs enfrenta um problema de dados que os modelos de linguagem, como os LLMs, não têm. Enquanto os modelos de linguagem podem ser treinados em vastas porções da internet pública, dados úteis sobre o movimento de robôs são escassos. Geralmente, os robôs precisam aprender do zero como segurar, levantar e guardar objetos. O método padrão envolve pessoas guiando remotamente um robô físico em cada movimento, um processo que é lento, caro e frequentemente produz dados repetitivos das mesmas tarefas e configurações.

Como a Xiaomi resolveu o problema da coleta de dados?

Para contornar o gargalo de dados, a Xiaomi, em grande parte, abandonou o uso de robôs reais durante a coleta. Em vez disso, a equipe utilizou garras portáteis equipadas com câmeras que uma pessoa simplesmente pega e opera manualmente. Essa configuração permitiu registrar tarefas de manipulação em cozinhas, escritórios, lojas, pisos de fábrica e espaços externos, sem a presença de um robô. O resultado foi a impressionante marca de mais de 100.000 horas de gravações de movimento. Um conjunto de dados tão grande criou outro problema: cada gravação precisava de uma descrição para o modelo aprender. Rotular tudo manualmente não era prático, então a Xiaomi usou outro modelo de IA para descrever cada segmento de movimento em texto. A equipe afirmou ter rotulado todo o conjunto de dados em cerca de duas semanas. Posteriormente, esse treinamento foi transferido para robôs físicos, incluindo modelos com rodas e sistemas de braço duplo, com o modelo ainda precisando contabilizar as diferenças entre uma garra portátil e um braço robótico.

O que foi mais eficaz: mais dados ou modelos maiores?

Testes realizados pela Xiaomi revelaram um padrão claro: embora um modelo maior melhorasse o desempenho, mais dados de treinamento produziram ganhos significativamente maiores do que mais poder computacional. Os pesquisadores afirmam que o progresso na IA robótica dependerá principalmente da coleta de conjuntos de dados maiores e mais variados. Essa descoberta alinha-se com o que pesquisadores demonstraram para dados visuais no início de março. Para modelos de linguagem, a regra de longa data é que o tamanho do modelo e o volume de dados devem crescer aproximadamente na mesma taxa para fazer o melhor uso de um orçamento computacional fixo. No entanto, esse equilíbrio muda quando um modelo precisa processar imagens em vez de apenas texto, onde adicionar dados ajuda muito mais do que aumentar o tamanho do modelo. O mesmo padrão apareceu em testes com robôs físicos. À medida que a Xiaomi aumentou a quantidade de dados de treinamento, a taxa de sucesso do modelo em ambientes desconhecidos aumentou de cerca de 25% para 75%. Os pesquisadores indicam que ainda não atingiram um ponto em que mais dados deixam de melhorar o desempenho. A Xiaomi afirma que o Xiaomi-Robotics-1 obteve os melhores resultados até o momento nos benchmarks padrão de IA robótica. Em uma demonstração, um robô teria arrumado uma mala sem ajuda humana, uma tarefa que levou mais de dez minutos e exigiu que o robô se movesse por uma sala inteira.

Como o modelo se adapta a novas tarefas?

Um modelo fundamental é mais útil quando pode se adaptar rapidamente a novas tarefas. A Xiaomi testou o Xiaomi-Robotics-1 em quatro tarefas: embalar um telefone, colocar roupa em uma máquina de lavar, alimentar papel em uma impressora e embalar itens em uma caixa. Com menos de dez horas de dados de treinamento para cada tarefa, o modelo alcançou uma taxa de sucesso média de 75%. Um modelo concorrente da Physical Intelligence conseguiu apenas 40% no mesmo teste. A Xiaomi destaca que seu modelo teve um desempenho especialmente bom com materiais macios e deformáveis, como papel, e em tarefas que exigiam movimento pela sala.

Quais são os próximos passos da Xiaomi?

A Xiaomi planeja lançar o modelo e o código no GitHub e no Hugging Face, seguindo a recente liberação do Xiaomi-Robotics-0 como código aberto, com foco em operação rápida e em tempo real. Essa iniciativa se encaixa nos planos mais amplos da Xiaomi, que, em março, ao introduzir seus modelos MiMo-V2, afirmou que esses agentes poderiam eventualmente controlar robôs. A coleta de dados para robôs continua sendo um foco principal da pesquisa em robótica, com equipes buscando soluções diversas, como o projeto ENPIRE da Nvidia, Carnegie Mellon University e UC Berkeley, que usa agentes de codificação de IA para ensinar robôs a agarrar objetos, ou o instituto de pesquisa BAAI da China com seu modelo Orca, que aprende de vídeos sem rótulos de ação. O método da Xiaomi, automatizando a rotulagem em escala, representa uma abordagem distinta para superar os desafios de dados da robótica.

Fonte: The Decoder (https://the-decoder.com/xiaomi-robotics-1-shows-that-more-data-beats-bigger-models-when-training-robots-to-move/)