Xiaomi-Robotics-1: больше данных важнее размера модели при обучении роботов

A Xiaomi treinou seu modelo Xiaomi-Robotics-1 com mais de 100.000 horas de dados de movimento coletados por pessoas usando garras manuais com câmeras, e não pelos próprios robôs. Em julho de 2026, a empresa mostrou que os ganhos de qualidade vêm principalmente do volume de dados, não do tamanho do modelo.

Como os dados foram coletados

Os dados do Xiaomi-Robotics-1 não foram registrados por robôs, mas por pessoas: elas pegavam garras com câmeras embutidas e realizavam manipulações domésticas comuns. Essa abordagem é mais barata e rápida do que a teleoperação de robôs físicos, e permitiu coletar mais de 100.000 horas de gravações de movimento.

• Modelo: Xiaomi-Robotics-1, da Xiaomi
• Volume de dados de treinamento — mais de 100.000 horas de movimentos
• Os dados foram coletados por pessoas com garras manuais com câmeras, não por robôs
• Conclusão-chave: o aumento de dados importa mais do que o aumento do tamanho do modelo
• A parcela absoluta de tarefas concluídas com sucesso ainda permanece baixa

Por que os dados importam mais do que o tamanho do modelo

Adicionar dados de treinamento melhorou os resultados do Xiaomi-Robotics-1 de forma visivelmente mais forte do que aumentar o número de parâmetros do modelo. Esse é um contra-argumento direto à lógica comum aos grandes modelos de linguagem, em que a aposta costuma recair sobre a escala da própria rede. Já na robótica, onde falta justamente registros de ações físicas reais, o gargalo acaba sendo o volume e a diversidade dos dados, não a capacidade computacional do modelo.

Mais dados geram um ganho maior do que aumentar o tamanho do modelo — a conclusão-chave da pesquisa da

Xiaomi sobre o Xiaomi-Robotics-1.

Onde estão os limites da abordagem

O ganho de qualidade do Xiaomi-Robotics-1 ainda não chegou a um platô: a curva continua subindo à medida que mais dados são adicionados, o que significa que o potencial ainda não se esgotou. Mas, ao mesmo tempo, os indicadores absolutos permanecem baixos — o modelo conclui com sucesso apenas parte das tarefas. Ou seja, o método de escalonamento por dados funciona, mas ainda há um longo caminho até um robô doméstico confiável, que lide com manipulações com segurança.

O que isso significa

Coletar dados com as mãos de pessoas usando garras-câmera baratas pode se tornar uma forma de contornar a principal escassez da robótica — a falta de registros de ações reais. Embora a qualidade absoluta ainda seja baixa, como o ganho não esbarra em um teto, apostar em dados, e não no tamanho do modelo, define o rumo da próxima geração de robôs manipuladores.

Perguntas frequentes

Como a Xiaomi coletou os dados para o Xiaomi-Robotics-1?

Os dados foram registrados por pessoas: elas realizavam ações domésticas com garras manuais com câmeras embutidas, em vez de operar robôs. Assim, foi possível coletar mais de 100.000 horas de gravações de movimento de forma mais rápida e barata do que por meio de robôs físicos.

O que importa mais para treinar um robô — dados ou tamanho do modelo?

Segundo os resultados da Xiaomi, os dados. Adicionar gravações de treinamento melhorou o Xiaomi-Robotics-1 de forma significativamente mais forte do que aumentar o tamanho do modelo, e esse ganho ainda não chegou a um platô.