샤오미, 10만 시간 로봇 데이터 학습 ‘Xiaomi-Robotics-1’ 발표

샤오미 로보틱스 공식 발표에 따르면 회사는 16일 로봇 파운데이션 모델 ‘Xiaomi-Robotics-1’을 공개했다. 10만 시간 이상의 실세계 조작 궤적으로 사전학습한 뒤 실제 로봇 데이터로 후속 학습해, 새로운 환경과 물체에서도 다양한 조작 작업을 수행하도록 설계한 모델이다.

사전학습에는 로봇 본체에 종속되지 않는 UMI(Universal Manipulation Interface) 방식의 조작 궤적이 사용됐다. 샤오미는 가정과 상업 시설, 산업 현장, 야외 공간 등 1천700개가 넘는 환경에서 10만 시간 분량을 확보했다고 밝혔다. 긴 영상을 일정 길이로 나눈 뒤 비전언어모델이 집게와 물체의 상태 변화를 문장으로 설명하는 자동 주석 파이프라인도 구축했다.

후속 학습 단계에서는 사내 로봇 데이터와 선별한 공개 데이터, 고품질 UMI 데이터를 함께 활용했다. 이 가운데 사내에서 수집한 실제 로봇 데이터는 7천200시간 이상이다. 소파 정리와 신발장 분류, 주방용품 수납처럼 가정 환경에서 필요한 작업이 포함됐다.

학습 과정은 대규모 언어모델과 유사하게 사전학습과 후속 학습의 두 단계로 나뉜다. 사전학습에서 다양한 환경의 행동 표현을 익히고, 후속 학습에서는 이를 실제 로봇 하드웨어와 자연어 지시에 맞게 정렬한다. 회사는 데이터 규모와 모델 크기를 늘릴수록 검증 행동 오차가 낮아졌으며, 후속 학습 뒤 실제 로봇 성공률도 함께 높아졌다고 설명했다.

새로운 작업에 적응하는 데 필요한 데이터도 줄였다는 것이 샤오미의 평가다. 휴대전화 포장, 프린터 보충, 세탁물 투입, 상자 포장 등 네 가지 작업에서 작업당 평균 10시간 미만의 시연 데이터로 전체 성공률 75%를 기록했다고 밝혔다. 같은 조건에서 비교 모델인 π0.5는 40%였으며, 작업당 평균 40시간 미만으로 늘리면 Xiaomi-Robotics-1의 성공률은 85%로 높아졌다고 제시했다.

시뮬레이션에서는 RoboCasa, RoboCasa365, VLABench, RoboDojo 등 네 개 벤치마크를 사용했다. 샤오미는 자체 평가에서 네 벤치마크 모두 기존 최고 기록을 넘어섰다고 주장했다. 다만 이 수치는 회사가 공개한 기술 보고서의 평가 결과로, 독립적인 재현 검증 결과는 아직 확인되지 않았다.

이번 발표는 로봇마다 별도로 수집해야 하는 데이터의 한계를 비장착형 조작 데이터로 보완하려는 시도다. 실제 로봇 학습 데이터는 언어·영상 데이터보다 수집 비용이 높고 환경별 편차도 크다. 샤오미는 대규모 사전학습으로 공통 행동 표현을 먼저 익힌 뒤 비교적 적은 실제 로봇 데이터로 하드웨어와 작업을 맞추는 접근을 제시했다.

공개 범위에는 차이가 있다. 공식 연구 페이지는 모델을 즉시 활용할 수 있다고 소개하지만, 기사 작성 시점의 GitHub 저장소에는 코드와 모델 가중치를 추후 공개할 예정이라고 적혀 있다. 실제 배포 파일과 라이선스, 실행에 필요한 하드웨어 조건은 공개 이후 추가 확인이 필요하다.

출처: Xiaomi Robotics https://robotics.xiaomi.com/xiaomi-robotics-1.html
Xiaomi-Robotics-1 기술 보고서 https://robotics.xiaomi.com/robot-static-resource/xiaomi-robotics-1/xiaomi-robotics-1.pdf
GitHub https://github.com/XiaomiRobotics/Xiaomi-Robotics-1