Xiaomi presenta un modelo de IA para entrenar robots domésticos

Xiaomi desarrolló un modelo de inteligencia artificial pensado para dotar a robots de capacidades de manipulación en entornos reales, desde tareas domésticas hasta procesos industriales. El sistema, llamado Xiaomi-Robotics-1, busca resolver uno de los principales obstáculos de la robótica: la falta de datos masivos y de calidad para entrenar estos modelos.

A diferencia de los modelos de lenguaje o de imágenes, que cuentan con enormes volúmenes de información disponible en internet, la robótica siempre enfrentó una limitación estructural: conseguir datos reales de manipulación a gran escala es costoso y lento. Xiaomi apostó a superar esa barrera combinando dos fuentes de entrenamiento.

Cómo se entrenó el modelo

El proceso tuvo dos etapas. En la primera, de pre-entrenamiento, la compañía utilizó más de 100.000 horas de trayectorias de manipulación registradas en más de 1.700 escenarios distintos, entre hogares, comercios, plantas industriales y espacios abiertos. Estos datos no dependen de un robot específico, sino que se capturaron con un dispositivo portátil (UMI) que permite recolectar movimientos de manipulación sin necesidad de un brazo robótico físico.

Para etiquetar automáticamente ese volumen de información, Xiaomi construyó un sistema que divide los videos en segmentos y utiliza un modelo de visión y lenguaje para describir los cambios de estado de la escena en cada clip, ya que el etiquetado manual resultaba inviable a esa escala.

En la segunda etapa, de post-entrenamiento, se incorporaron más de 7.200 horas de datos recolectados con robots reales dentro de hogares, donde se registraron tareas concretas como ordenar un sofá, clasificar un zapatero o guardar utensilios de cocina. Esta fase busca que el modelo pase de generar acciones genéricas a seguir instrucciones en lenguaje natural y ejecutarlas directamente sobre un robot físico.

Resultados en tareas nuevas y simulaciones

Según los datos publicados por la compañía, el modelo escala de forma consistente: cuanto más datos y mayor tamaño tiene el modelo durante el pre-entrenamiento, menor es el error en sus acciones y mejor es su desempeño posterior en robots reales, incluso en entornos y objetos que no había visto antes.

Uno de los puntos destacados es la eficiencia para aprender tareas nuevas. Con menos de 10 horas de demostraciones por tarea, el sistema alcanzó una tasa de éxito del 75% en actividades como empacar un teléfono, recargar una impresora, cargar el lavarropas o armar cajas, casi el doble que el modelo de referencia π0.5, que llegó a 40% con el mismo volumen de datos. Al ampliar el entrenamiento a un promedio de 40 horas por tarea, la tasa de éxito general subió a 85%.

El modelo también fue evaluado en cuatro bancos de pruebas de simulación ampliamente usados en el sector, orientados a medir la capacidad de generalización. Xiaomi-Robotics-1 obtuvo los mejores resultados en los cuatro, superando a los sistemas que ocupaban el segundo lugar en cada categoría.

La compañía sostiene que estos resultados muestran que combinar datos de manipulación sin atarse a un robot específico, con una etapa posterior de ajuste sobre hardware real, permite escalar el desarrollo de modelos robóticos de forma más eficiente que los enfoques tradicionales basados exclusivamente en datos recolectados directamente con robots físicos.