Xiaomi-Robotics-1: больше данных важнее размера модели при обучении роботов
Xiaomi обучила робо-модель Xiaomi-Robotics-1 более чем на 100 000 часов данных о движениях. Собирали их не роботы, а люди — ручными захватами с камерами. Главный вывод: прирост качества дают данные, а не увеличение модели. Улучшения пока не вышли на плато, но абсолютная доля успешных задач остаётся низкой.
معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
دربت شاومي نموذجها Xiaomi-Robotics-1 على أكثر من 100,000 ساعة من بيانات الحركة التي جمعها بشر باستخدام مقابض يدوية مزودة بكاميرات، وليس الروبوتات نفسها. وفي يوليو 2026، أظهرت الشركة أن تحسّن الجودة يأتي في المقام الأول من حجم البيانات، وليس من حجم النموذج.
كيف جُمعت البيانات
لم تُسجَّل بيانات Xiaomi-Robotics-1 بواسطة روبوتات، بل بواسطة بشر: أمسكوا بمقابض مزودة بكاميرات مدمجة وأدّوا مهام منزلية اعتيادية. هذا النهج أرخص وأسرع من التشغيل عن بُعد للروبوتات الفعلية، وسمح بجمع أكثر من 100,000 ساعة من تسجيلات الحركة.
- النموذج: Xiaomi-Robotics-1 من شاومي
- حجم بيانات التدريب — أكثر من 100,000 ساعة من الحركات
- جمع البشر البيانات باستخدام مقابض يدوية مزودة بكاميرات، وليس الروبوتات
- الاستنتاج الرئيسي: زيادة البيانات أهم من زيادة حجم النموذج
- لا تزال النسبة المطلقة للمهام المُنجَزة بنجاح منخفضة
لماذا البيانات أهم من حجم النموذج
أدت إضافة بيانات التدريب إلى تحسين نتائج Xiaomi-Robotics-1 بشكل أقوى بوضوح من زيادة عدد معاملات النموذج. وهذا حجة مضادة مباشرة للمنطق المعتاد في نماذج اللغة الكبيرة، حيث يُراهَن غالبًا على توسيع حجم الشبكة نفسها. أما في الروبوتات، حيث تكمن الندرة تحديدًا في تسجيلات الأفعال الفيزيائية الحقيقية، فإن عنق الزجاجة يتبيّن أنه حجم البيانات وتنوّعها، وليس القدرة الحاسوبية للنموذج.
"البيانات الأكبر تمنح تحسّنًا أكبر من زيادة حجم النموذج" — الاستنتاج الرئيسي لبحث شاومي حول
Xiaomi-Robotics-1.
أين تكمن حدود هذا النهج
لم يصل تحسّن جودة Xiaomi-Robotics-1 بعد إلى مرحلة الثبات: فالمنحنى يستمر في الارتفاع كلما أُضيفت المزيد من البيانات، ما يعني أن الإمكانات لم تُستنفد بعد. لكن في الوقت نفسه، لا تزال المؤشرات المطلقة منخفضة — إذ ينجز النموذج بنجاح جزءًا فقط من المهام. أي أن أسلوب التوسّع عبر البيانات ناجح، لكن الطريق لا يزال طويلاً أمام روبوت منزلي موثوق يتعامل مع المهام اليدوية بثقة.
ماذا يعني هذا
قد يصبح جمع البيانات بأيدي البشر باستخدام مقابض-كاميرات رخيصة وسيلة لتجاوز أكبر نقص في الروبوتات — وهو غياب تسجيلات الأفعال الحقيقية. فرغم أن الجودة المطلقة لا تزال منخفضة، فإن التحسّن لا يصطدم بسقف واضح، ما يجعل الرهان على البيانات، لا على حجم النموذج، هو الاتجاه الذي يحدد ملامح الجيل القادم من الروبوتات المُتلاعِبة.
الأسئلة الشائعة
كيف جمعت شاومي البيانات لنموذج Xiaomi-Robotics-1؟
سجّل البشر البيانات: إذ أدّوا مهامًا منزلية باستخدام مقابض يدوية مزودة بكاميرات مدمجة، بدلاً من تشغيل الروبوتات. وهكذا أمكن جمع أكثر من 100,000 ساعة من تسجيلات الحركة بشكل أسرع وأرخص من الاعتماد على الروبوتات الفعلية.
ما الأهم لتدريب الروبوت — البيانات أم حجم النموذج؟
وفقًا لنتائج شاومي، البيانات. فقد أدت إضافة تسجيلات التدريب إلى تحسين Xiaomi-Robotics-1 بشكل أقوى بكثير من زيادة حجم النموذج، ولم يصل هذا التحسّن بعد إلى مرحلة الثبات.
هل تحتاج إلى ذكاء اصطناعي يعمل داخل شركتك — وليس فقط في موجز الأخبار؟
أبني ذكاءً اصطناعياً جاهزاً للإنتاج للشركات — أنظمة CRM مخصّصة، أدوات داخلية، وكلاء مستقلون، أتمتة سير العمل. ملك لك، مصمّم وفق عمليتك، دون رسوم لكل مستخدم. من إعداد جمال خميدون، مدير المنتجات في AlpinaGPT (منصة ذكاء اصطناعي، أكثر من 6000 مستخدم).
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.