# 샤오미, 로봇 없이 '사람 손'으로 모은 데이터로 로봇 파운데이션 모델 판을 흔들다

![Image](https://upload.cafenono.com/image/slashpagePost/20260722/103745_vTThxQLFyjMRALnTwb?q=80&s=1280x180&t=outside&f=webp)

샤오미가 로봇 팔 한 대 없이 수집한 10만 시간 이상의 실세계 데이터로 훈련한 비전-언어-행동(VLA) 파운데이션 모델 'Xiaomi-Robotics-1'을 공개했다. 카메라가 달린 휴대용 핸드헬드 그리퍼를 사람이 직접 조작해 데이터를 모으는 방식으로, 값비싼 로봇 텔레오퍼레이션 없이도 업계 표준 벤치마크 5종에서 최상위 성능을 기록했다. 로봇 학습에서 '더 큰 모델'보다 '더 많은 데이터'가 결정적이라는 사실을 실증한 사례로 평가된다.

샤오미의 접근법은 데이터 수집 단계에서 로봇을 아예 배제했다는 점이 핵심이다. 작업자들이 카메라가 부착된 휴대용 그리퍼를 들고 주방, 사무실, 매장, 공장, 야외 등 1,700곳 이상의 환경에서 직접 물건을 집고 옮기는 동작을 수행했고, 이렇게 10만 시간이 넘는 모션 기록이 쌓였다. 방대한 데이터에 라벨을 붙이는 작업은 AI 모델이 동작 구간별 텍스트 설명을 자동 생성하는 방식으로 처리해, 사람이 수작업으로 했다면 불가능했을 전체 데이터셋 라벨링을 약 2주 만에 끝냈다.

성능 검증 결과도 뚜렷하다. RoboCasa365 리더보드에서 Xiaomi-Robotics-1은 57.4점으로 2위 ABot-M0.6(46.6점)을 10점 이상 앞섰고, RoboDojo 벤치마크에서는 2위 대비 약 58% 높은 평균 점수를 기록했다. 특히 새로운 과제에 적응시키는 실험에서 과제당 10시간 이하의 시연 데이터만으로 평균 75%의 작업 성공률을 달성했는데, 같은 조건에서 유력 경쟁사 Physical Intelligence의 모델(pi0.7)은 40%에 그쳤다. 핸드헬드 그리퍼 데이터로 먼저 학습한 뒤 바퀴형, 양팔형 등 실제 로봇으로 전이하는 구조도 성공적으로 작동했다.

이번 발표가 주목받는 배경에는 로봇 AI 업계의 고질적 병목인 '데이터 부족' 문제가 있다. 언어 모델은 인터넷 텍스트라는 거대한 학습 재료가 있지만, 로봇의 물리적 조작 데이터는 로봇을 직접 움직여 모아야 해 비용과 시간이 막대하다. 사람이 저렴한 핸드헬드 장비로 데이터를 모으는 샤오미의 방식은 이 병목을 우회하는 현실적 해법이다. 행동 라벨 없이 12만 5,000시간 영상으로 학습하는 중국 BAAI의 'Orca' 같은 대안도 있지만, 샤오미는 라벨링 자체를 자동화하는 다른 길을 택했다.

스케일링 실험에서 얻은 결론도 시사점이 크다. 샤오미는 20억에서 100억 파라미터까지 모델 크기를 바꿔가며 실험했는데, 파라미터를 키우는 것보다 데이터를 늘리는 쪽이 훨씬 큰 성능 향상을 가져왔다. 낯선 환경에서의 성공률은 데이터가 늘면서 약 25%에서 75%까지 뛰었고, 스케일링 곡선은 아직 정체 구간에 도달하지 않아 데이터를 더 부으면 성능이 계속 오를 여지가 있는 것으로 나타났다.

결국 Xiaomi-Robotics-1은 로봇 파운데이션 모델 경쟁의 승부처가 모델 아키텍처가 아니라 '누가 실세계 데이터를 싸고 빠르게 대량 확보하느냐'로 이동하고 있음을 보여준다. 스마트폰과 가전으로 다져진 하드웨어 양산 역량을 가진 샤오미가 저비용 데이터 수집 파이프라인까지 입증하면서, Physical Intelligence, Figure 등 로봇 AI 선두 주자들과의 경쟁 구도에도 변화가 예상된다.

[The Decoder](https://the-decoder.com/xiaomi-robotics-1-shows-that-more-data-beats-bigger-models-when-training-robots-to-move/)

For the site tree, see the [root Markdown](https://blog.teamjcurve.com/.md).