샤오미(Xiaomi)가 로봇 정책 모델의 고질적인 데이터 부족 문제를 해결하기 위해 10만 시간 규모의 실제 데이터를 학습한 로봇 파운데이션 모델 '샤오미 로보틱스-1(Xiaomi-Robotics-1)'을 선보였습니다. 이 모델은 대규모 로봇 비종속 UMI(Universal Manipulation Interface) 궤적 데이터로 사전 학습한 후, 비교적 적은 실제 로봇 데이터로 후속 학습하는 2단계 방식을 채택했습니다. 이를 통해 로봇이 다양한 환경과 작업에 대한 일반적인 행동 생성 능력을 익히고, 실제 로봇에 적용될 때 높은 성공률을 보입니다.
'샤오미 로보틱스-1'의 사전 학습 데이터는 가정, 상업 시설, 산업 현장, 야외 공간 등 1,700개 이상의 시나리오를 포함하는 10만 시간의 UMI 궤적으로 구성됩니다. 특히, 강력한 비전-언어 모델(VLM)을 활용한 자동 주석 파이프라인을 통해 대규모 말뭉치를 구축했습니다. 후속 학습 단계에서는 여러 로봇 형태를 아우르는 자체 수집 데이터와 오픈소스 데이터를 활용하며, 사람이 직접 주석 처리한 고품질 UMI 데이터로 로봇 형태와 자연어 명령에 모델을 정렬합니다. 이 모델은 작업당 평균 10시간 미만의 시연만으로도 전화기 포장, 프린터 보충, 세탁물 투입 등 복잡한 신규 작업에서 75%의 종합 성공률을 기록했으며, 40시간 미만에서는 85%에 도달하는 뛰어난 성능을 보였습니다.
이번 '샤오미 로보틱스-1'의 등장은 로봇공학 분야에서 대규모 언어모델(LLM)의 성공 방정식을 로봇 정책 모델에 적용했다는 점에서 큰 의미를 가집니다. 데이터와 모델 크기가 증가할수록 실제 로봇의 성공률이 꾸준히 상승하며 포화 징후가 없다는 점은, 향후 로봇 성능 향상에 대한 확장 가능성을 시사합니다. 또한, RoboCasa, RoboCasa365, VLABench, RoboDojo 등 4개 주요 시뮬레이션 벤치마크에서 모두 최고 성능을 기록하며 일반화 능력을 입증했습니다. 이는 로봇이 인간의 개입 없이 스스로 다양한 작업을 수행할 수 있는 자율 로봇 시대의 도래를 앞당길 중요한 기술적 진전으로 평가됩니다.