Xiaomi-Robotics-1: mais dados pesam mais que o tamanho do modelo no treinamento de robôs

A Xiaomi treinou o modelo Xiaomi-Robotics-1 com mais de 100 000 horas de dados de movimentos, coletados por pessoas com garras manuais equipadas com câmeras, e não pelos próprios robôs. Em julho de 2026, a empresa mostrou que o ganho de qualidade vem, em primeiro lugar, do volume de dados, e não do tamanho do modelo.

Como os dados foram coletados

Os dados do Xiaomi-Robotics-1 não foram gravados por robôs. Pessoas seguraram garras com câmeras embutidas e executaram manipulações domésticas comuns. Esse método é mais barato e mais rápido que a teleoperação de robôs físicos e permitiu reunir mais de 100 000 horas de gravações de movimentos.

• 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
• Principal conclusão: o crescimento dos dados importa mais que o crescimento do tamanho do modelo
• A taxa absoluta de tarefas concluídas com sucesso ainda continua baixa

Por que dados importam mais que o tamanho do modelo

Adicionar dados de treinamento melhorou os resultados do Xiaomi-Robotics-1 de forma bem mais expressiva que aumentar o número de parâmetros do modelo. É um contraponto direto à lógica habitual dos grandes modelos de linguagem, em que a aposta costuma recair sobre a escala da própria rede. Na robótica, onde o que falta são justamente registros de ações físicas reais, o gargalo está no volume e na diversidade dos dados, e não na capacidade computacional do modelo.

Mais dados dão um ganho maior que o aumento do tamanho do modelo — essa é a principal conclusão do estudo da

Xiaomi sobre o Xiaomi-Robotics-1.

Quais são 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 indica que o potencial não se esgotou. Ao mesmo tempo, os números absolutos seguem baixos — o modelo só conclui com sucesso uma parte das tarefas. Ou seja, escalar com dados funciona, mas ainda falta muito para um robô doméstico confiável, capaz de realizar manipulações com segurança.

O que isso significa

Coletar dados com pessoas usando garras com câmeras, que são baratas, pode ser uma forma de contornar a principal escassez da robótica: a falta de registros de ações reais. Por enquanto a qualidade absoluta é baixa, mas, como o ganho não esbarra em um teto, a aposta em dados, e não no tamanho do modelo, aponta o caminho para a próxima geração de robôs manipuladores.

Perguntas frequentes

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

Os dados foram gravados por pessoas, que executaram ações domésticas com garras manuais equipadas com câmeras, em vez de controlar robôs. Assim, foi possível reunir mais de 100 000 horas de gravações de movimentos de forma mais rápida e barata do que com 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 bem mais expressiva que aumentar o tamanho do modelo, e esse ganho ainda não chegou a um platô.