Xiaomi apprend à ses robots à bouger… en filmant des mains humaines

Xiaomi a entraîné son modèle Xiaomi-Robotics-1 sur plus de 100 000 heures de gestes captés par des humains tenant des pinces équipées de caméras, plutôt que par de vrais robots. Verdict : gonfler la quantité de données améliore bien plus les performances qu'empiler des paramètres. Et la courbe refuse toujours de plafonner.

Pendant que la moitié de l'industrie court après des modèles fondation toujours plus obèses pour piloter les bras robotiques, Xiaomi a essayé quelque chose d'un peu moins glamour mais nettement plus pragmatique : demander à des humains de faire le boulot à la place des machines. Résultat, un papier qui remet en cause l'idée reçue selon laquelle la robotique suivra bêtement la loi du "plus gros = mieux" popularisée par les LLM.

Pourquoi filmer des humains plutôt que des robots ?

Le problème connu de la robotique moderne, c'est la famine de données. Entraîner un modèle sur des démonstrations réelles suppose d'avoir des robots sous la main, des opérateurs pour les téléguider, un environnement contrôlé, et beaucoup, beaucoup de patience. Chaque heure de démonstration coûte cher, et l'échelle atteinte reste ridicule face aux téraoctets qui nourrissent les modèles de langage.

L'astuce de Xiaomi : équiper des humains d'une pince munie de caméras — en gros, un préhenseur portatif qui imite grossièrement la main du robot final. Les opérateurs se baladent, saisissent des objets, effectuent des tâches, et les capteurs enregistrent trajectoires et visuels. Pas besoin de robot, pas besoin de laboratoire dédié, pas besoin d'attendre qu'une machine à 80 000 euros finisse son cycle. Multiplier par cent le volume collecté devient soudain crédible.

Au total, l'équipe revendique plus de 100 000 heures de démonstrations humaines, un ordre de grandeur difficile à atteindre avec des flottes de robots téléguidés. Ce corpus alimente ensuite un modèle qui doit apprendre à traduire ces gestes humains en commandes exécutables par une plateforme robotique. Le pont entre les deux mondes n'est pas trivial — la cinématique d'un bras robotique n'est pas celle d'un poignet humain — mais il est manifestement praticable.

Plus de données ou plus de paramètres : qui gagne ?

C'est là que l'étude devient intéressante. Xiaomi a comparé deux leviers classiques : agrandir le modèle, ou nourrir davantage un modèle plus modeste. Dans le monde des LLM, les deux marchent, avec une préférence marquée pour la taille. Dans le monde de la manipulation robotique, la réponse penche clairement de l'autre côté.

Les gains obtenus en augmentant le volume de données dépassent nettement ceux obtenus en gonflant l'architecture. Mieux : la courbe de progression ne montre aucun signe de saturation. Autrement dit, chaque nouvelle tranche de données continue d'améliorer les performances, ce qui suggère que l'industrie a encore beaucoup de marge avant d'atteindre un plafond — à condition, évidemment, de trouver comment collecter tout ça sans se ruiner. Ce qui nous ramène à la pince avec caméra.

Le bémol, et il est honnête de le poser sur la table : les taux de réussite absolus restent modestes. On parle d'un modèle qui progresse joliment sur ses métriques internes, pas d'un robot qui vide votre lave-vaisselle sans casser une assiette. La trajectoire est encourageante, la destination reste lointaine.

Ce que ça change pour la robotique généraliste

L'enseignement le plus utile de ce travail n'est pas tant le score final que la stratégie. Si le vrai goulot d'étranglement de la robotique, c'est la donnée, alors trouver des moyens créatifs de la produire à bas coût devient plus important que de commander des GPU supplémentaires. Les approches concurrentes — vidéos YouTube massives, simulation, téléopération — ont chacune leurs limites. La capture par humain équipé occupe un joli créneau : réaliste, dense en informations pertinentes pour la préhension, et scalable presque à l'infini.

On peut aussi lire cette annonce comme un signal industriel. Xiaomi n'est pas exactement un laboratoire académique désintéressé : le groupe pousse ses robots humanoïdes CyberOne et sa gamme domestique, et cherche visiblement à se doter d'un socle logiciel maison. Publier une méthode économe en robots pour entraîner des robots, c'est aussi un message envoyé aux investisseurs et aux régulateurs : la Chine industrialise sa robotique par le bas, sans attendre que les modèles fondation à la OpenAI arrivent à maturité.

Reste que la vraie question n'est pas tranchée. Est-ce que cette approche tiendra le choc face à des tâches longues, en environnement chaotique, avec des objets jamais vus ? Xiaomi montre une pente prometteuse. Le monde réel, lui, reste un adversaire coriace.

Et vous, plutôt team "gros modèle" ou team "gros dataset" pour l'avenir des robots ?

Source : https://the-decoder.com/xiaomi-robotics-1-shows-that-more-data-beats-bigger-models-when-training-robots-to-move/

À lire aussi

• Métiers et IA : lesquels vont disparaître, lesquels vont naître (et comment s'y préparer)
• Entraîner un robot sans robot : bienvenue dans le monde miroir
• Chez Hyundai, la grève contre les robots n'est plus une métaphore

Édité par Guérin Robotics. Le Briard, robot chien de surveillance autonome protège entrepôts, chantiers et grandes surfaces.