Xiaomi、大規模事前学習とロボット実機学習を組み合わせた基礎モデル「Xiaomi-Robotics-1」を開発
Xiaomi は、大規模な具体化なし事前学習と実機後学習を組み合わせたロボット操作用基礎モデル「Xiaomi-Robotics-1」を開発した。事前学習に 100,000 時間の具体化なし軌跡データを、後学習に 7,200 時間の実機データを用いており、少量の実機デモンストレーションから新規タスクを効率的に学習できるという。
Xiaomi が開発した Xiaomi-Robotics-1 は、大規模な具体化なし事前学習と実機後学習の組み合わせにより、ロボティクス領域のデータ不足を解決することを目指している。
事前学習と後学習の構成
事前学習では、100,000 時間の具体化なし (UMI) 軌跡を 1,700 以上のシナリオ（家庭、商業施設、産業施設、屋外を含む）にわたって活用した。その後、実家庭での実機データ収集により 7,200 時間のデータを蓄積し、「ソファの整理整頓」「靴箱の整理」「台所用品の片付け」といったタスクに対応した。
スケーリング特性と性能
事前学習段階では、データと模型サイズの増加に伴い検証行動誤差が安定的に低下するスケーリング特性を示す。後学習後、実機成功率も同様に増加し、事前学習データと模型サイズの増加に伴い予測可能な改善が確認されている。
タスクあたり平均 10 時間未満のデモンストレーションで 75% の全体成功率に到達し、40 時間未満の予算に増やすと 85% の全体成功率を達成する。個別タスクでは、電話パッキングで 10 時間未満で 70%・40 時間未満で 80%、洗濯物積み込みで 10 時間未満で 80%・40 時間未満で 100% の成功率を記録している。
ベンチマーク評価結果
Xiaomi-Robotics-1 は 4 つの主流シミュレーションベンチマークで最先端の成績を達成した。RoboCasa で 74.5%（2 位は 72.6%、相対的には 2.6% 上回る）、RoboCasa365 で 65%（2 位は 57.4%、相対的には 23.2% 上回る）、VLABench で 59.1%（2 位は 53.2%、相対的には 11.1% 上回る）、RoboDojo で 13.9%（2 位は 8.8%、相対的には 58.3% 上回る）の成功率を達成している。
筆者の見立て
- 大規模で高品質なデータの不足が、これまでポリシーモデルのスケーリング限界を抑制してきたと解釈している
- 模型が事前学習中のデータ量と模型サイズに応じてスケーリングすると論じている
- スケーリング特性が後学習にも直結し、より強力な事前学習モデルがより優れた実機性能をもたらすと解釈している
- スケーリング効果が飽和の兆候を示していないと予想している
この記事は元記事の事実のみに基づいて自動生成されました。
出典
Robotics @ XIAOMI、「Xiaomi-Robotics-1」、https://robotics.xiaomi.com/xiaomi-robotics-1.html