샤오미(Xiaomi)가 로봇의 범용성을 높이는 새로운 접근 방식인 '샤오미 로보틱스-1(Xiaomi-Robotics-1)'을 공개했습니다. 이 모델은 대규모 언어모델(LLM)과 비전 모델에서 성공을 거둔 스케일링 법칙을 로봇 분야에 적용하고자 합니다. 기존 로봇 학습은 고품질 데이터 부족으로 인해 정책 모델(policy model)의 확장성에 한계가 있었지만, 샤오미 로보틱스-1은 이 장벽을 허물고 로봇이 실제 세계에서 더 많은 작업을 수행할 수 있도록 돕습니다.
샤오미 로보틱스-1의 핵심은 두 단계 학습 방식입니다. 첫째, 1,700개 이상의 시나리오(가정, 상업 시설, 산업 현장 등)를 아우르는 10만 시간 분량의 비실체(embodiment-free) 데이터로 사전 학습을 진행합니다. 이 데이터는 로봇의 특정 형태에 얽매이지 않고 다양한 환경에서의 상호작용을 학습합니다. 이를 위해 샤오미는 강력한 비전-언어 모델(VLM) 기반의 자동 라벨링 파이프라인을 구축하여 방대한 데이터를 효율적으로 처리했습니다. 둘째, 사전 학습된 모델을 실제 로봇에 맞춰 조정하고 자연어 명령을 이해하도록 미세조정(fine-tuning)하는 후속 학습(post-training)을 진행합니다. 이 단계에서는 자체 수집한 7,200시간 이상의 실제 로봇 데이터와 오픈소스 데이터를 활용하여 모델을 실제 환경에 최적화합니다.
이러한 접근 방식은 로봇이 새로운 작업을 학습하는 데 필요한 데이터 양을 획기적으로 줄여줍니다. 샤오미 로보틱스-1은 평균 10시간 미만의 실제 로봇 시연만으로 전화 포장, 프린터 용지 보충, 세탁물 적재 등 새로운 작업을 75%의 성공률로 수행할 수 있습니다. 이는 기존 방식 대비 두 배 가까이 높은 효율입니다. 또한, 시뮬레이션 벤치마크에서도 기존 최고 성능을 뛰어넘는 결과를 보여주며, 모델의 일반화(generalization) 능력과 확장성(scaling)이 실제 로봇 성능으로 이어진다는 것을 입증했습니다. 이는 로봇 개발의 진입 장벽을 낮추고, 다양한 산업 분야에서 로봇 활용을 가속화할 중요한 진전으로 평가됩니다.