Xiaomi Robotics-1: Dane wygrywają z procesorami. Chińczycy pokazali nowy paradygmat ruchu maszyn

Zamiast wpychać w roboty coraz droższe układy graficzne, Xiaomi kazało im patrzeć i naśladować. Model Xiaomi-Robotics-1 udowadnia, że w świecie fizycznej manipulacji to skala i różnorodność danych treningowych, a nie sama liczba parametrów, stanowią ostateczną barierę sukcesu. Inżynierowie z Pekinu zaprezentowali system, który uczy się poruszania w przestrzeni analogicznie do tego, jak duże modele językowe opanowują składnię.

Dlaczego to ważne właśnie teraz

Premiera Xiaomi-Robotics-1 z 16 lipca 2026 roku redefiniuje sposób, w jaki myślimy o rozwoju AI w świecie fizycznym. Rozwiązuje on największy ból głowy inżynierów: brak wysokiej jakości danych treningowych, które do tej pory zbierano ręcznie i powolnie. „Dostęp do wysokiej jakości danych na dużą skalę jest trudny i to właśnie ten niedobór, bardziej niż cokolwiek innego, ograniczał skalowanie modeli” – przyznaje zespół techniczny Xiaomi na oficjalnej stronie projektu. Pokonanie tego wąskiego gardła otwiera drogę do robotów, które odnajdą się w każdym domu, a nie tylko w sterylnych laboratoriach.

Przełamanie bariery fizycznego treningu

Xiaomi zrezygnowało z tradycyjnego, mozolnego sterowania maszynami „za rękę”. Zamiast angażować skomplikowane systemy mechaniczne, badacze użyli przenośnych, tanich chwytaków z kamerami (umi-gripper). Pozwoliło to zwykłym ludziom nagrywać codzienne czynności w kuchniach, biurach czy fabrykach bez obecności robota. Efekt to gigantyczna baza 100 000 godzin nagrań ruchu z ponad 1700 różnych środowisk. Aby poradzić sobie z tym natłokiem informacji, Xiaomi wykorzystało inne AI, które w zaledwie dwa tygodnie automatycznie oznaczyło każdy segment ruchu.

Skalowanie, które działa

Najciekawszym wnioskiem z badań jest fakt, że krzywa wydajności robota rośnie znacznie gwałtowniej przy zwiększaniu ilości danych niż przy samym zwiększaniu mocy obliczeniowej. Xiaomi przygotowało trzy wersje modelu: 2B, 5B oraz 10B parametrów, ale to objętość treningu robi różnicę. W środowiskach wcześniej nieznanych skuteczność Xiaomi-Robotics-1 wzrosła z początkowych 25% do imponujących 75% właśnie dzięki rozszerzaniu bazy nagrań. „Wyniki Xiaomi dostarczają solidnych dowodów na to, że prawo skalowania działa – i to działa niezwykle skutecznie – w przypadku ucieleśnionej sztucznej inteligencji” – komentują eksperci z Embodied Global.

Nowy lider benchmarków

Xiaomi-Robotics-1 obecnie dominuje w rankingach takich jak RoboCasa365 (o skuteczności 57,6%) czy RoboDojo. Szczególnie imponujące są wyniki w pracy z materiałami odkształcalnymi, jak tkaniny czy papier, co zawsze było zmorą robotyków. System potrafi nauczyć się nowej, specyficznej czynności – np. obsługi konkretnej drukarki – mając do dyspozycji zaledwie 10 godzin ukierunkowanego treningu. Firma udostępniła już kod źródłowy na platformach GitHub i Hugging Face, co daje jasny sygnał: przyszłość robotyki należy do otwartych standardów i masowej skali danych.