Xiaomi-Robotics-1
El nuevo proyecto Xiaomi-Robotics-1 de Xiaomi muestra un modelo abierto, relativamente pequeño (≈10B parámetros) de visión-lenguaje-acción que controla robots para clasificar, doblar y empacar ropa, impresionando a muchos con imágenes sin cortes de manipulación bimanual compleja de objetos deformables. Los comentaristas lo ven como un paso importante hacia la robótica doméstica práctica y un posible análogo a cómo los LLM transformaron el trabajo del conocimiento, mientras que otros subrayan que hoy estos sistemas siguen siendo demostraciones lentas y frágiles, lejos de asistentes domésticos autónomos y asequibles. El hilo se ramifica hacia preguntas más amplias sobre desplazamiento laboral, dependencia humana de la automatización, el papel creciente de China en la IA/robótica abierta y si los robots humanoides de propósito general superarán a las máquinas especializadas y a los entornos rediseñados.
Enfoque técnico y capacidades
- Xiaomi-Robotics-1 se describe como un modelo de visión–lenguaje–acción (VLA) relativamente pequeño (~10B parámetros), pero capaz de una manipulación no trivial.
- Sigue un paradigma end-to-end de “VLA completo” con un modelo implícito del mundo, en lugar de representaciones de estado explícitas y rollouts de trayectorias.
- El entrenamiento incluye datos no robóticos a gran escala más demostraciones robóticas (a menudo humanos teleoperando pinzas y cámaras UMI estandarizadas), con el objetivo de un uso de pinza/cámara “sin cuerpo específico”.
- Benchmarks reportados: mejora el éxito en Robodojo (p. ej., 14% frente al 9% anterior); las afirmaciones de transferencia indican ~75% de éxito en nuevas tareas complejas a partir de <10 horas de demostraciones, aunque las tareas de memoria son más débiles y los resultados son estadísticamente escasos.
Generalización y preocupaciones de hardware
- Discusión sobre qué tan bien estos modelos se transfieren a otros robots: probablemente bastante bien para plataformas similares (1–2 brazos, manos de 2 dedos), pero se espera ajuste fino por tipo de brazo.
- “Sin cuerpo específico” aquí significa sobre todo efector final/cámara estandarizados, no cuerpos robóticos verdaderamente arbitrarios.
Fiabilidad de las demos y rendimiento
- Algunos desconfían del video promocional principal por los cortes frecuentes; otros señalan una ejecución completa “sin cortes” a velocidad 2× que muestra bucles ocasionales y titubeos.
- Varios comentaristas advierten que “sin cortes” sigue significando “la mejor ejecución”, no el rendimiento promedio.
- A partir del paper, un comentarista observa aproximadamente ~50% de éxito en algunas tareas; otros subrayan lo difíciles que son los objetos deformables, las agarraderas estrechas (cierres) y la coordinación bimanual.
Doblar ropa como benchmark
- Muchos ven el doblado de ropa como un banco de pruebas sólido: elementos deformables, enredados, oclusiones, agarres de precisión y secuenciación de varios pasos.
- Algunos argumentan que se elige porque es visualmente intuitivo y demuestra destreza; otros dicen que es una molestia muy menor en el mundo real, especialmente sin hijos.
Valor frente a coste de la automatización doméstica
- Los entusiastas se entusiasman con descargar tareas odiadas (lavar ropa, platos, ordenar) e imaginan una futura integración con Home Assistant, aspiradoras robot y sistemas de inventario doméstico.
- Los escépticos señalan que los robots actuales probablemente serán más caros y menos capaces que los limpiadores humanos durante años, y que siguen siendo demostraciones controladas en entornos restringidos.
Implicaciones más amplias de IA y sociedad
- Las voces optimistas lo comparan con los primeros coches: lentos y torpes ahora, pero en una trayectoria exponencial, con paralelismos a cómo los LLM mejoraron rápidamente.
- Las voces pesimistas prevén desplazamiento laboral en trabajos de bajos y altos ingresos, concentración de la propiedad de robots y posible decadencia social (pasividad estilo Wall‑E).
- Hay un debate meta entre “entusiastas de la IA” que se sienten súper potenciados y críticos que ven esa actitud como maníaca o desconectada de los riesgos sociales.
China, código abierto y geopolítica
- Muchos destacan que los recientes modelos abiertos y el trabajo en robótica de China son un gran beneficio global, impulsando la apertura en un espacio donde las firmas estadounidenses tienden a ser cerradas.
- Otros subrayan que esa apertura es estratégica, no garantizada a largo plazo; piden más esfuerzo de código abierto por parte de actores occidentales para evitar la dependencia.
- El hilo incluye debates secundarios sobre derechos humanos en China frente a Occidente y acusaciones tanto de sentimiento anti-China como de sesgo pro-China en HN.
Debate sobre el factor de forma de los robots
- Algunos sostienen que los robots no humanoides, específicos para tareas (serpientes, arañas, enjambres, aparatos en forma de cubo para platos), son más eficientes que los humanoides.
- Otros responden que las formas humanoides o parecidas a las humanas son cada vez más viables y pueden aprovechar la enorme base instalada de entornos y herramientas optimizados para humanos, haciendo menos realista rediseñar el mundo para bots de propósito especial.