메뉴
BL
The Decoder 8일 전

샤오미 로봇 AI, 모델 크기보다 '많은 데이터'가 답이다

IMP
8/10
핵심 요약

샤오미는 로봇 AI 모델 'Xiaomi-Robotics-1'을 발표하며, 로봇 모델의 성능 향상에는 모델 크기를 키우는 것보다 방대하고 다양한 학습 데이터를 확보하는 것이 훨씬 더 중요하다는 것을 입증했습니다. 연구진은 비싼 물리적 로봇 대신 사람이 직접 조작하는 휴대용 그리퍼를 활용해 10만 시간 이상의 행동 데이터를 수집하고 AI로 자동 라벨링하여 데이터 부족 문제를 해결했습니다. 그 결과, 이 모델은 낯선 환경에서도 적은 추가 학습만으로 뛰어난 작업 수행 능력을 보여주며 기존 경쟁 모델들을 뛰어넘는 성능을 기록했습니다.

번역된 본문

샤오미(Xiaomi)는 대규모 언어 모델(LLM)과 동일한 스케일링 패턴을 따르는 로봇용 AI 모델을 공개했습니다. 이 모델은 더 많은 데이터로 학습할수록 성능이 향상됩니다. 이 데이터셋을 구축하기 위해 샤오미는 물리적 로봇 사용을 최대한 지양했습니다.

로봇 AI는 언어 모델이 겪지 않는 데이터 문제에 직면해 있습니다. LLM이 공개된 인터넷의 방대한 데이터로 학습할 수 있는 반면, 로봇 움직임에 관한 유용한 데이터는 매우 부족합니다. 로봇은 일반적으로 물건을 잡거나 들어 올리고 제자리에 두는 방법을 처음부터 다시 배워야 합니다. 기존의 표준적인 방식은 사람이 물리적 로봇을 원격으로 조종해 모든 움직임을 일일이 가르치는 것입니다. 이 과정은 느리고 비용이 많이 들며, 주로 동일한 환경에서 같은 작업을 반복하는 단조로운 데이터를 양산하기 쉽습니다. 이것이 바로 'Xiaomi-Robotics-1'이 해결하고자 한 한계점입니다.

이 모델은 사전 학습되지 않은 낯선 환경에서도 음성이나 텍스트 명령을 따르고, 추가 학습 없이 새로운 작업에 적응하도록 설계되었습니다.

비싼 로봇 대신 휴대용 그리퍼를 사용하다 데이터 병목 현상을 해결하기 위해 샤오미는 데이터 수집 과정에서 실제 로봇 사용을 대폭 줄였습니다. 대신 연구진은 사람이 직접 들고 조작할 수 있도록 카메라가 부착된 휴대용 핸드헬드 그리퍼(Handheld gripper)를 사용했습니다. 이 방식을 사용하면 로봇 없이도 주방, 사무실, 매장, 공장 바닥, 야외 공간 등에서 물건을 다루는 작업을 카메라로 기록할 수 있습니다. 그 결과 10만 시간 이상의 동작 기록 데이터를 확보했습니다.

이렇게 방대한 데이터셋은 또 다른 문제를 발생시킵니다. 모델이 학습하려면 모든 기록에 대한 설명(라벨링)이 필요하기 때문입니다. 이를 사람이 수작업으로 처리하는 것은 비현실적이었기 때문에, 샤오미는 다른 AI 모델을 활용해 각 동작을 텍스트로 묘사하도록 했습니다. 연구진은 약 2주 만에 전체 데이터셋 라벨링 작업을 마쳤다고 밝혔습니다.

이후 샤오미는 바퀴 달린 모델과 듀얼 암(Dual-arm) 시스템을 포함한 실제 물리적 로봇에 이 학습 결과를 전이(Transfer)했습니다. 물론 이 모델은 핸드헬드 그리퍼와 로봇 팔의 물리적 차이를 스스로 보정해야만 했습니다.

모델 크기보다 많은 학습 데이터가 중요하다 테스트 결과, 모델 크기를 키우면 성능이 향상되긴 했지만, 더 많은 학습 데이터를 확보하는 것이 더 많은 컴퓨팅 파워를 쏟는부보다 훨씬 더 큰 성능 향상을 가져왔습니다. 연구진은 로봇 AI의 발전이 주로 더 크고 다양한 데이터셋을 수집하는 데 달려 있을 것이라고 말했습니다.

이러한 발견은 지난 3월 초 연구자들이 시각 데이터(Visual data)에서 보여준 결과와 일치합니다. 언어 모델의 경우, 한정된 컴퓨팅 자원을 최대한 활용하려면 모델 크기와 데이터 양이 대략 비슷한 비율로 함께 증가해야 한다는 것이 오랜 기간 통용된 원칙이었습니다. 하지만 모델이 텍스트가 아닌 이미지를 처리해야 할 때는 균형이 깨집니다. 이 경우 모델 크기를 늘리는 것보다 데이터를 추가하는 것이 훨씬 더 큰 도움이 됩니다. 물리적 로봇 테스트에서도 동일한 패턴이 나타났습니다.

샤오미가 학습 데이터 양을 늘리자, 낯선 환경에서 모델의 작업 성공률은 약 25%에서 75%로 급증했습니다. 연구진은 데이터를 더 추가하더라도 성능 향상이 멈추지 않을 것이라고 밝혔습니다.

샤오미에 따르면, Xiaomi-Robotics-1은 표준 로봇 AI 벤치마크에서 현재까지 최고의 성적을 기록했습니다. 한 데모에서는 로봇이 사람의 도움 없이 캐리어를 혼자 짐싸는 모습을 보여주기도 했습니다. 이 작업은 10분 이상이 소요되었으며, 로봇이 방 전체를 돌아다니며 이루어졌습니다.

적은 학습 데이터로도 새로운 작업에 적응 파운데이션 모델(Foundation model)은 새로운 작업에 빠르게 적응할 수 있을 때 가장 유용합니다. 샤오미는 Xiaomi-Robotics-1을 스마트폰 포장, 세탁물을 세탁기에 넣기, 프린터에 용지 넣기, 물건을 박스에 포장하기 등 4가지 작업으로 테스트했습니다. 각 작업당 10시간 미만의 학습 데이터만으로도 이 모델은 평균 75%의 성공률을 달성했습니다. 반면 동일한 테스트에서 Physical Intelligence의 경쟁 모델은 40%의 성공률에 그쳤습니다.

샤오미는 자사의 모델이 종이와 같은 부드럽고 변형되기 쉬운 물질을 다루거나 방 안을 돌아다녀야 하는 작업에서 특히 뛰어난 성능을 보였다고 덧붙였습니다.

로봇 데이터는 여전히 로봇 공학 연구의 핵심 초점이며, 연구팀마다 매우 다양한 해결책을 모색하고 있습니다.

원문 보기
원문 보기 (영어)
Xiaomi-Robotics-1 shows that more data beats bigger models when training robots to move Jonathan Kemper View the LinkedIn Profile of Jonathan Kemper Jul 21, 2026 Xiaomi Xiaomi has released an AI model for robots that follows the same scaling pattern as large language models. Its performance improves as it trains on more data. To build that dataset, Xiaomi largely avoided using physical robots. Robot AI faces a data problem that language models don't: LLMs can train on huge parts of the public internet, while useful data on robot movement is scarce. Robots usually have to learn from scratch how to grip, lift, and put away objects. The standard method has people remotely guide a physical robot through every movement. That process is slow and expensive, and it often produces repetitive data from the same tasks in the same settings. That's the gap Xiaomi-Robotics-1 is trying to close . The model is designed to follow spoken or written commands in unfamiliar environments without prior exposure and adapt to new tasks with little extra training. A handheld gripper replaces expensive robots To get around the data bottleneck, Xiaomi mostly ditched real robots during data collection. Instead, the team used portable handheld grippers with attached cameras that a person simply picks up and operates by hand. This setup lets you record manipulation tasks in kitchens, offices, stores, factory floors, and outdoor spaces without a robot even being present. The result was over 100,000 hours of motion recordings. A dataset that large creates another problem because each recording needs a description the model can learn from. Labeling it all by hand wasn't practical, so Xiaomi used another AI model to describe each motion segment in text. The team says it labeled the full dataset in about two weeks. Xiaomi then transferred that training to physical robots, including wheeled models and dual-arm systems. The model still had to account for the differences between a handheld gripper and a robot arm. More training data matters more than model size Tests showed that a larger model improved performance, but more training data produced much bigger gains than more compute. The researchers say progress in robot AI will depend mainly on collecting larger and more varied datasets. The finding matches what researchers showed for visual data in early March . For language models, the long-standing rule is that model size and data volume should grow at roughly the same rate to make the best use of a fixed compute budget. That balance changes when a model must process images rather than just text. In that case, adding data helps far more than increasing model size. The same pattern appeared in tests with physical robots. As Xiaomi increased the amount of training data, the model's success rate in unfamiliar environments rose from about 25 percent to 75 percent. The researchers say they haven't reached a point where more data stops improving performance. Xiaomi says Xiaomi-Robotics-1 posted the best results to date across standard robot AI benchmarks. In one demo, a robot reportedly packed a suitcase without human help. The task took more than ten minutes and required the robot to move across an entire room. The model adapts to new tasks with little training data A foundation model is most useful when it can adapt to new tasks quickly. Xiaomi tested Xiaomi-Robotics-1 on four tasks, including packaging a phone, loading laundry into a washing machine, feeding paper into a printer, and packing items into a box. With less than ten hours of training data for each task, the model reached an average success rate of 75 percent. A competing model from Physical Intelligence managed only 40 percent in the same test. Xiaomi says its model performed especially well with soft, deformable materials such as paper and on tasks that required moving around a room. Robot data remains a major focus of robotics research, and teams are pursuing very different solutions. A May survey of World Action Models reviewed about 100 studies and found that teleoperation data is precise but costly and limited to a few settings. Xiaomi's handheld grippers are designed to address those limits. Nvidia, Carnegie Mellon University, and UC Berkeley used the ENPIRE project to have AI coding agents autonomously teach a fleet of eight robots how to grasp objects . Nvidia also wants to turn robotics' data problem into a compute problem by generating synthetic training data. China's BAAI research institute is taking the opposite route. Its Orca world model learns from 125,000 hours of video without any action labels and still matches the specialized pi0.5 model on five manipulation tasks. Xiaomi automates labeling and applies it at scale, while Orca tries to eliminate labels entirely. Physical Intelligence serves as the reference point in both cases. The company drew criticism for pi0.7 in April after claiming the model could generalize when it may have been recalling similar training data. Xiaomi's finding that more data matters more than more compute makes that question harder to resolve. The work also fits Xiaomi's broader plans. When the company introduced its MiMo-V2 models in March , it said those agents could eventually control robots. Xiaomi plans to release the model and code on GitHub and Hugging Face . The same team recently released Xiaomi-Robotics-0 as open source, with a focus on fast, real-time operation. AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now --> Read on for the full picture. Subscribe for hype-free coverage. Access to all THE DECODER articles. Read without distractions – no Google ads. Access to comments and community discussions. Weekly AI newsletter. 6 times a year: “AI Radar” – deep dives on key AI topics. Up to 25 % off on KI Pro online events. Access to our full ten-year archive. Get the latest AI news from The Decoder. Subscribe to The Decoder -->