Xiaomi-Robotics-1 : pour entraîner des robots, plus de données comptent davantage qu'un modèle plus gros

Xiaomi a entraîné le modèle Xiaomi-Robotics-1 sur plus de 100 000 heures de données de mouvement, collectées par des humains à l'aide de pinces manuelles équipées de caméras, et non par les robots eux-mêmes. En juillet 2026, l'entreprise a montré que le gain de qualité vient avant tout du volume de données, et non de la taille du modèle.

Comment les données ont été collectées

Ce ne sont pas des robots qui ont enregistré les données de Xiaomi-Robotics-1, mais des humains : ils tenaient en main des pinces dotées de caméras intégrées et effectuaient des manipulations domestiques courantes. Cette approche est moins chère et plus rapide que la téléopération de robots physiques, et elle a permis de réunir plus de 100 000 heures d'enregistrements de mouvements.

• Modèle : Xiaomi-Robotics-1, de Xiaomi
• Volume des données d'entraînement : plus de 100 000 heures de mouvements
• Données collectées par des humains avec des pinces manuelles à caméras, et non par des robots
• Enseignement clé : l'augmentation des données compte plus que celle de la taille du modèle
• La part absolue de tâches menées à bien reste pour l'instant faible

Pourquoi les données comptent plus que la taille du modèle

Ajouter des données d'entraînement a amélioré les résultats de Xiaomi-Robotics-1 nettement plus que l'augmentation du nombre de paramètres du modèle. C'est un contre-argument direct à la logique habituelle des grands modèles de langage, où l'on mise souvent sur l'échelle du réseau lui-même. En robotique, où ce sont précisément les enregistrements d'actions physiques réelles qui manquent, le goulot d'étranglement tient au volume et à la diversité des données, et non à la capacité de calcul du modèle.

Plus de données apportent un gain supérieur à celui d'un modèle plus grand : c'est l'enseignement central de l'étude de

Xiaomi sur Xiaomi-Robotics-1.

Les limites de l'approche

Chez Xiaomi-Robotics-1, le gain de qualité n'a pas encore atteint de plateau : la courbe continue de monter à mesure que les données s'accumulent, ce qui signifie que le potentiel n'est pas épuisé. Mais les performances absolues restent faibles : le modèle ne mène à terme avec succès qu'une partie des tâches. Autrement dit, la montée en charge par les données fonctionne, mais on est encore loin d'un robot domestique fiable, capable d'effectuer des manipulations avec assurance.

Ce que cela signifie

Collecter des données avec des humains munis de pinces à caméra peu coûteuses pourrait permettre de contourner le principal déficit de la robotique : le manque d'enregistrements d'actions réelles. La qualité absolue reste pour l'instant faible, mais comme le gain ne se heurte pas à un plafond, le pari sur les données plutôt que sur la taille du modèle trace la voie de la prochaine génération de robots manipulateurs.

Questions fréquentes

Comment

Xiaomi a-t-elle collecté les données de Xiaomi-Robotics-1 ?

Les données ont été enregistrées par des humains : ils effectuaient des gestes du quotidien avec des pinces manuelles à caméras intégrées, sans piloter de robots. Cela a permis de réunir plus de 100 000 heures d'enregistrements de mouvements, plus vite et à moindre coût qu'avec des robots physiques.

Qu'est-ce qui compte le plus pour entraîner un robot : les données ou

la taille du modèle ?

Selon les résultats de Xiaomi, les données. Ajouter des enregistrements d'entraînement a amélioré Xiaomi-Robotics-1 nettement plus que l'augmentation de la taille du modèle, et ce gain n'a pas encore atteint de plateau.