Xiaomi-მ ღია კოდად გამოაქვეყნა Xiaomi-Robotics-1 (XR-1) — რობოტული საბაზისო მოდელი, რომელიც კომპანიის განცხადებით რობოტული მანიპულაციის რამდენიმე ბენჩმარქში კონკურენტ სისტემებს აჯობებს. ეს მითითებულია Xiaomi Robotics-ის გუნდის მიერ გამოქვეყნებულ GitHub რეპოზიტორიში.
კოდი და მოდელის წონები GitHub-ზე 3 აგვისტოს გამოჩნდა — თითქმის სამი კვირის შემდეგ იმისა, რაც Xiaomi-მ სისტემა პირველად აღწერა 16 ივლისს arXiv-ზე გამოქვეყნებულ ტექნიკურ ანგარიშში. რეპოზიტორი გამოქვეყნებულია დასაშვები Apache 2.0 ლიცენზიით და მოიცავს ხელსაწყოებს დამატებითი წვრთნისთვის, ინფერენსისთვის, დანერგვისა და შეფასებისთვის; მოდელის წონები ასევე ხელმისაწვდომია Hugging Face-სა და ModelScope-ზე.
რას აკეთებს მოდელი
XR-1 არის ხედვა-ენა-მოქმედების (VLA) მოდელი — AI-ის კლასი, რომელიც კამერის ვიდეონაკადს და წერილობით ან ხმოვან ინსტრუქციას იღებს და შემდეგ განსაზღვრავს, რა ფიზიკური მოქმედება უნდა შეასრულოს რობოტის ხელმა ან მანიპულატორმა. Xiaomi-მ ის შექმნა Qwen3-VL-ის ხედვა-ენობრივი ბირთვისა და დიფუზიურ-ტრანსფორმერული მოქმედების დეკოდერის კომბინირებით, „ტრანსფორმერების ნაზავის“ არქიტექტურის ფარგლებში.
კომპანიამ მოდელი ორ ეტაპად გაწვრთნა. თავდაპირველად მან XR-1 გაწვრთნა 100,000-ზე მეტ საათზე „სხეულისგან დამოუკიდებელი“ ტრაექტორიებით, რომლებიც შეგროვდა ხელით სამართავი მოწყობილობით — UMI (Universal Manipulation Interface) — და მოიცავს 1,700-ზე მეტ რეალურ სცენას სახლებში, მაღაზიებში, ქარხნებსა და ღია სივრცეებში. შემდეგ მან მოდელი დახვეწა უშუალოდ რობოტებიდან შეგროვებული 10,000-ზე მეტი საათის მონაცემით, რაც წინასწარ ნასწავლ უნარებს კონკრეტულ აღჭურვილობასა და ბუნებრივ-ენოვან ბრძანებებს უსადაგებს.
ბენჩმარქის შედეგები
GitHub-ის რეპოზიტორიის მიხედვით, XR-1 საუკეთესო კონკურენტს 2.6 პროცენტული პუნქტით უსწრებს RoboCasa ბენჩმარქზე (74.5%), 23.2 პუნქტით — RoboCasa365-ზე (57.4%, 46.6%-ის წინააღმდეგ), 11.1 პუნქტით — VLABench-ზე (59.1%), ხოლო RoboDojo-ზე შედეგი 58.3%-ით აღემატება მეორე საუკეთესოს (13.93, 8.80-ის წინააღმდეგ). Xiaomi ასევე აცხადებს, რომ მოდელი კონკრეტული ამოცანისთვის 10 საათზე ნაკლები დემონსტრაციის შემდეგ 75%-იან წარმატების მაჩვენებელს აღწევს — ეს კი მიანიშნებს, რომ მისი ახალ ამოცანებზე მორგება დიდი ხელახალი წვრთნის გარეშეც შესაძლებელია.
რატომ აქვს მნიშვნელობა
რობოტიკის მკვლევრები სულ უფრო ხშირად აღნიშნავენ, რომ მანიპულაციის AI-ს განვითარებას მოდელის არქიტექტურაზე მეტად რეალურ სამყაროში შეგროვებული ინტერაქციული მონაცემების სიმწირე აფერხებს. კოდისა და წონების ერთდროულად გამოქვეყნებით Xiaomi ფსონს დებს, რომ დიდი, სხეულისგან დამოუკიდებელი მონაცემთა ბაზა სხვადასხვა რობოტსა და ამოცანაზე განზოგადდება — და გარე ლაბორატორიებს პირდაპირ ამოწმებინებს ამ მტკიცებას, ბენჩმარქის ციფრებზე ბრმად დაჯერების ნაცვლად.
ეს გამოშვება აგრძელებს წელს გამძაფრებულ ტენდენციას, როცა ჩინური კომპანიები ღია კოდად აქვეყნებენ პროგრესულ AI მოდელებს — ენობრივი მოდელებიდან ახლა უკვე განსხეულებულ სისტემებამდე, რაც მთელ ინდუსტრიაში ფასისა და წვდომის დინამიკას ცვლის.