Xiaomi hat einen Durchbruch in der Robotik-KI erzielt, der die bisherige Annahme über Modelltraining infrage stellt. Das Unternehmen trainierte sein Xiaomi-Robotics-1-Modell auf über 100.000 Stunden Bewegungsdaten und stellte fest: Mehr Trainingsdaten verbessern die Performance deutlich stärker als größere Modelle mit mehr Rechenleistung. Die Erfolgsquote bei unbekannten Aufgaben stieg dabei von etwa 25 auf 75 Prozent – und die Forscher berichten, dass dieser Trend noch nicht abgeflacht ist.
Kurz & knapp
- 100.000+ Stunden Bewegungsdaten aus über 1.700 verschiedenen Umgebungen gesammelt
- Datenmenge verbessert Performance deutlich mehr als Modellgröße
- Erfolgsquote bei unbekannten Aufgaben: von 25 % auf 75 % gestiegen
- Handheld-Greifer mit Kameras statt teurer Roboter für Datensammlung genutzt
Das Datenproblem der Robotik
Roboter-KI steht vor einem fundamentalen Problem, das Sprachmodelle nicht haben: Während LLMs auf riesige Teile des öffentlichen Internets zugreifen können, ist brauchbares Trainingsdaten für Roboterbewegungen extrem knapp. Normalerweise müssen Menschen jeden Roboter manuell durch jede Bewegung führen – ein langsamer, teurer Prozess, der zudem repetitive Daten aus denselben Aufgaben in denselben Umgebungen erzeugt.
Xiaomi löste dieses Problem kreativ: Statt echte Roboter einzusetzen, nutzte das Team tragbare Handheld-Greifer mit angebrachten Kameras, die Menschen einfach in die Hand nehmen und bedienen. Damit konnten die Forscher Manipulationsaufgaben in Küchen, Büros, Läden, Fabrikhallen und Außenbereichen aufzeichnen – ohne dass ein Roboter überhaupt vor Ort sein musste. Das Ergebnis: über 100.000 Stunden Bewegungsaufzeichnungen.
Automatische Beschriftung als Skalierungslösung
Eine Datenmenge dieser Größe schuf ein neues Problem: Jede Aufzeichnung braucht eine Textbeschreibung, damit das Modell lernen kann. Manuelle Beschriftung war unrealistisch. Xiaomi setzte deshalb ein anderes KI-Modell ein, um jeden Bewegungsabschnitt automatisch zu beschreiben. Das Team beschriftete den kompletten Datensatz in etwa zwei Wochen.
Danach transferierte Xiaomi das Training auf echte Roboter – Modelle mit Rädern und Dual-Arm-Systeme. Um die Unterschiede zwischen Handheld-Greifer und Roboterarm auszugleichen, kombinierte das Team eigene Aufzeichnungen aus echten Wohnungen mit Open-Source-Robotik-Datensätzen und beschrifteten Handheld-Daten.
Daten schlagen Rechenleistung
Die Tests waren eindeutig: Ein größeres Modell verbesserte zwar die Performance, aber mehr Trainingsdaten brachten deutlich größere Gewinne als mehr Rechenleistung. Die Forscher schlussfolgern, dass der Fortschritt in der Robotik-KI hauptsächlich davon abhängt, größere und vielfältigere Datensätze zu sammeln.
Dieses Muster unterscheidet sich von der klassischen Regel für Sprachmodelle, wonach Modellgröße und Datenmenge ungefähr gleich schnell wachsen sollten. Bei visuellen Daten – und offenbar auch bei Roboterbewegungen – hilft zusätzliche Daten deutlich mehr als zusätzliche Rechenleistung.
| Metrik | Ergebnis |
|---|---|
| Erfolgsquote (vorher) | ~25 % |
| Erfolgsquote (nachher) | ~75 % |
| Trainingsdaten | 100.000+ Stunden |
| Umgebungen | 1.700+ |
| Labeling-Zeit | ~2 Wochen |
Was das für deutsche Unternehmen bedeutet
Dieser Befund hat Gewicht für Robotik- und Automatisierungsfirmen im deutschsprachigen Raum. Die klassische Annahme, dass man teurere, größere KI-Modelle braucht, wird hier infrage gestellt – stattdessen könnte der Fokus auf Datenbeschaffung und -vielfalt liegen. Für Unternehmen, die Roboter trainieren, könnte das bedeuten: Investitionen in Datensammlung (etwa durch Handheld-Systeme) könnten effizienter sein als der Kauf von mehr Rechenleistung. Gleichzeitig bleibt offen, wie diese Erkenntnisse auf spezialisierte, hochkomplexe Robotik-Aufgaben übertragen lassen – und ob die 75-Prozent-Erfolgsquote für produktive Szenarien ausreicht.
Quellen
Redaktionell verantwortet von Ideal Syka. Quellen und Arbeitsweise: Redaktion & Methode. Hinweise und Korrekturen: ai@i6eal.de.
