机器人学习打破算力教条：数据量比模型大小更重要
小米的機器人學習模型證明，增加訓練數據比增加模型大小更能提高性能，這標誌著具身智能領域將擺脫重算力的擴展定律。
小米近日推出了Robotics-1，这是一个基础模型，证明了“更多数据优于更大模型”在机器人控制方面的可行性。基准测试结果显示，通过增加训练数据，成功率从25%提高到75%。为了解决数据瓶颈，团队使用便携式手持夹持器在1700个环境中收集了10万小时的操纵数据，而不是使用昂贵的物理机器人。与大型语言模型（LLMs）不同，机器人研究的扩展表明，计算资源最好用于数据收集，而不是参数扩展。这种方法使机器人能够执行自主打包行李等复杂任务，这标志着具身人工智能系统的开发可能迎来一个重要的拐点。