شیائومی با انتشار مدل هوش مصنوعی جدید خود با نام شیائومی-رباتیکس-1، نشان داده که در آموزش حرکت رباتها، دادههای بیشتر تأثیر بسیار بیشتری از بزرگتر کردن معماری مدل دارد. این یافته میتواند مسیر تحقیقات رباتیک را برای سالهای آینده تغییر دهد.
مشکل داده در رباتیک
برخلاف مدلهای زبانی بزرگ که از حجم عظیم دادههای اینترنت تغذیه میکنند، رباتها برای یادگیری حرکات پایه مانند گرفتن، بلند کردن و کنار گذاشتن اشیا به دادههای اختصاصی نیاز دارند. روش سنتی جمعآوری این دادهها با هدایت از راه دور رباتهای فیزیکی انجام میشود؛ فرآیندی کند، پرهزینه و تکراری که پیشرفت هوش مصنوعی رباتیک را محدود کرده است.
راهحل شیائومی: گیره دستی به جای ربات
برای دور زدن این تنگنای داده، تیم شیائومی از رباتهای فیزیکی صرفنظر کرد و به سراغ گیرههای دستی قابل حمل با دوربینهای متصل رفت. کاربران این گیرهها را در محیطهای واقعی مانند آشپزخانه، دفتر کار، فروشگاه و کارخانه در دست میگیرند و حرکات مورد نظر را انجام میدهند. نتیجه این کار، جمعآوری بیش از 100,000 ساعت داده حرکتی بود.
اما حجم بالای داده چالش جدیدی ایجاد کرد: برچسبگذاری دستی 100,000 ساعت ویدیو غیرممکن بود. شیائومی از یک مدل هوش مصنوعی دیگر برای توصیف خودکار هر بخش حرکتی استفاده کرد و کل مجموعه داده را تنها در دو هفته برچسبگذاری نمود.
داده بیشتر یا مدل بزرگتر؟
آزمایشهای شیائومی نشان داد که افزایش اندازه مدل (تعداد پارامترها) عملکرد را بهبود میبخشد، اما افزایش حجم دادههای آموزشی تأثیر بسیار بیشتری دارد. محققان این شرکت تأکید میکنند که پیشرفت در هوش مصنوعی رباتیک بیش از هر چیز به جمعآوری مجموعه دادههای بزرگ و متنوع وابسته است.
این یافته با تحقیقات پیشین در حوزه دادههای بصری همخوانی دارد. در مدلهای زبانی، تعادل میان اندازه مدل و حجم داده رعایت میشود، اما زمانی که مدل باید تصاویر یا حرکات فیزیکی را پردازش کند، افزودن داده بسیار مؤثرتر از بزرگتر کردن معماری است.
نتایج شگفتانگیز در آزمونهای عملی
شیائومی مدل خود را روی رباتهای چرخدار و دو بازویی پیادهسازی کرد. با افزایش دادههای آموزشی، نرخ موفقیت مدل در محیطهای ناآشنا از 25 درصد به 75 درصد رسید. در یک نمایش عملی، ربات توانست بدون هیچ کمک انسانی یک چمدان را در عرض بیش از ده دقیقه و با حرکت در سراسر اتاق بستهبندی کند.
سازگاری با وظایف جدید با داده کم
یکی از مهمترین ویژگیهای یک مدل پایه (Foundation Model) توانایی سازگاری سریع با وظایف جدید است. شیائومی این مدل را روی چهار وظیفه شامل بستهبندی گوشی، قرار دادن لباس در ماشین لباسشویی، تغذیه کاغذ به چاپگر و بستهبندی اقلام در جعبه آزمایش کرد. با کمتر از ده ساعت داده آموزشی برای هر وظیفه، مدل به میانگین نرخ موفقیت 75 درصد دست یافت. برای مقایسه، مدل رقیب از Physical Intelligence تنها 40 درصد موفقیت داشت.
مدل شیائومی بهویژه در کار با مواد نرم و تغییرپذیر مانند کاغذ و همچنین وظایفی که نیاز به جابجایی در فضا داشتند، عملکرد درخشانی از خود نشان داد.
چشمانداز پیش رو
شیائومی-رباتیکس-1 ثابت کرد که مسیر پیشرفت هوش مصنوعی رباتیک از جمعآوری دادههای گسترده و متنوع میگذرد، نه صرفاً معماریهای عظیمتر. با توجه به اینکه محققان هنوز به نقطه اشباع داده نرسیدهاند، انتظار میرود که در آینده نزدیک شاهد پیشرفتهای بیشتری در این حوزه باشیم. راهحلهای نوآورانهای مانند استفاده از گیرههای دستی ارزانقیمت میتواند دسترسی به دادههای حجیم را برای تیمهای کوچکتر نیز ممکن کند.
