Neue Ansätze in der Robotik-KI: Datenmenge als Schlüssel zur Leistungssteigerung

Datenmenge über Modellgröße: Eine zentrale Erkenntnis

Tests mit Xiaomi-Robotics-1 zeigten, dass eine größere Modellgröße zwar zu einer Leistungsverbesserung führte, jedoch eine Erhöhung der Trainingsdatenmenge wesentlich größere Effekte erzielte. Die Forscher kommen zu dem Schluss, dass der Fortschritt in der Robotik-KI hauptsächlich von der Sammlung größerer und vielfältigerer Datensätze abhängen wird.

Diese Erkenntnis deckt sich mit Beobachtungen aus anderen Bereichen der KI, beispielsweise der Verarbeitung visueller Daten. Während bei Sprachmodellen Modellgröße und Datenvolumen in einem ähnlichen Verhältnis wachsen sollten, um den Rechenaufwand optimal zu nutzen, zeigt sich bei Modellen, die Bilder verarbeiten, dass zusätzliche Daten wesentlich stärker zur Leistungssteigerung beitragen als eine Vergrößerung des Modells.

Auch bei Tests mit physischen Robotern bestätigte sich dieses Muster. Mit zunehmender Trainingsdatenmenge stieg die Erfolgsquote des Modells in unbekannten Umgebungen von etwa 25 % auf 75 %. Die Forscher betonen, dass sie noch keinen Punkt erreicht haben, an dem zusätzliche Daten keine Leistungsverbesserung mehr bewirken.

Xiaomi-Robotics-1 erzielte nach eigenen Angaben die besten Ergebnisse in Standard-Benchmarks für Robotik-KI. In einer Demonstration packte ein Roboter angeblich einen Koffer ohne menschliche Hilfe, eine Aufgabe, die über zehn Minuten dauerte und die Bewegung durch einen ganzen Raum erforderte.

Anpassungsfähigkeit an neue Aufgaben

Ein Fundamentmodell ist dann am nützlichsten, wenn es sich schnell an neue Aufgaben anpassen kann. Xiaomi testete Xiaomi-Robotics-1 an vier Aufgaben: das Verpacken eines Telefons, das Beladen einer Waschmaschine, das Einführen von Papier in einen Drucker und das Verpacken von Gegenständen in eine Kiste.

Mit weniger als zehn Stunden Trainingsdaten pro Aufgabe erreichte das Modell eine durchschnittliche Erfolgsquote von 75 %. Ein vergleichbares Modell eines Konkurrenten erreichte im selben Test lediglich 40 %. Xiaomi hebt hervor, dass sein Modell besonders gut mit weichen, verformbaren Materialien wie Papier und bei Aufgaben, die eine Bewegung im Raum erfordern, abschnitt.

Auf dem RoboCasa365-Leaderboard führt Xiaomi-Robotics-1 mit deutlichem Vorsprung, insbesondere bei ungesehenen, komplexen Aufgaben. Auch auf dem RoboDojo-Benchmark übertrifft es den Zweitplatzierten um etwa 58 %, obwohl die absoluten Erfolgsquoten hier noch gering sind.

Kontext und zukünftige Entwicklungen

Die Datenerfassung für Roboter bleibt ein zentraler Forschungsbereich in der Robotik, und verschiedene Teams verfolgen unterschiedliche Lösungsansätze. Eine Umfrage zu "World Action Models" zeigte, dass Teleoperationsdaten zwar präzise, aber kostspielig und auf wenige Einstellungen beschränkt sind. Xiaomis handgehaltene Greifer sind ein Versuch, diese Einschränkungen zu überwinden.

Andere Ansätze umfassen:

• Nvidia, Carnegie Mellon University und UC Berkeley: Das ENPIRE-Projekt, bei dem KI-Codierungsagenten eine Flotte von acht Robotern autonom das Greifen von Objekten beibringen. Nvidia verfolgt auch das Ziel, das Datenproblem der Robotik in ein Rechenproblem umzuwandeln, indem synthetische Trainingsdaten generiert werden.
• BAAI Forschungsinstitut (China): Das Orca-Weltmodell lernt aus 125.000 Stunden Videomaterial ohne jegliche Aktionsbeschriftung und erreicht dennoch die Leistung spezialisierter Robotiksysteme bei Manipulationsaufgaben. Während Xiaomi die Beschriftung automatisiert und skaliert, versucht Orca, Beschriftungen vollständig zu eliminieren.

Die Arbeit von Xiaomi passt zu den breiteren Plänen des Unternehmens. Bereits bei der Einführung der MiMo-V2-Modelle im März deutete Xiaomi an, dass diese Agenten in Zukunft Roboter steuern könnten.

Xiaomi plant, das Modell und den Code von Xiaomi-Robotics-1 auf GitHub und Hugging Face zu veröffentlichen. Das gleiche Team hat kürzlich Xiaomi-Robotics-0 als Open Source freigegeben, mit Fokus auf schnelle Echtzeitoperationen.

Schlussfolgerung

Die Ergebnisse von Xiaomi-Robotics-1 liefern überzeugende Beweise dafür, dass eine massive Skalierung der Trainingsdaten ein entscheidender Faktor für die Leistungssteigerung in der Robotik-KI ist. Der innovative Ansatz, Daten mit handgehaltenen Greifern zu sammeln und durch automatisierte Beschriftung zu verarbeiten, könnte einen Weg aufzeigen, wie das Datenproblem in der Robotik effektiv gelöst werden kann. Dies hat das Potenzial, die Entwicklung von Robotersystemen, die in der Lage sind, komplexe Aufgaben in vielfältigen Umgebungen zu meistern, erheblich zu beschleunigen.

Bibliographie

1. Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories. arXiv-Preprint.
2. Xiaomi Robotics: Offizielle Website zu Xiaomi-Robotics-1.
3. The Decoder: "Xiaomi-Robotics-1 shows that more data beats bigger models when training robots to move" von Jonathan Kemper.
4. AI Deep Signal: "Xiaomi-Robotics-1 shows that more data beats bigger models..."
5. China AI Dispatch: "The Cheaper Teacher" von Yuzu Xu.
6. WorthPosting: "Xiaomi-Robotics-1: When Scaling Laws Finally Arrive in Robotics."
7. GitHub Repository: XiaomiRobotics/Xiaomi-Robotics-1.
8. Hugging Face Paper Page: Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories.