샤오미, 10만 시간 분량의 체화 학습 데이터를 탑재한 ‘Robotics-1’ 출시

샤오미 로보틱스는 신체 기반 AI의 데이터 부족이라는 병목 현상을 해결하기 위해 10만 시간 이상의 실제 궤적 데이터를 기반으로 훈련된 ‘Robotics-1 비전-언어-행동’ 모델을 공개했습니다.

A
2분 소요Posted: 2026년 7월 17일
샤오미, 10만 시간 분량의 체화 학습 데이터를 탑재한 ‘Robotics-1’ 출시

로봇 산업은 ‘데이터 부족’이라는 근본적인 제약으로 인해 인공지능 분야의 대규모 성장 붐을 대부분 놓치고 말았습니다. 대규모 언어 모델이 인터넷 전체의 데이터를 흡수하는 반면, 기존의 로봇 궤적 라벨링은 작업의 의미론적 분류와 언어 주석 작성을 위한 수동 분할을 필요로 합니다. 이러한 노동 집약적인 과정은 정책 모델의 확장성에 한계를 가져왔습니다. 2026년 7월 16일, 샤오미 로보틱스는 10만 시간 이상의 실제 조작 궤적을 기반으로 훈련된 즉시 사용 가능한 로봇 파운데이션 모델인 ‘Xiaomi-Robotics-1’을 공개하며, 대규모 비체현(embodiment-free) 사전 훈련을 통해 로봇 데이터 병목 현상을 극복할 수 있음을 입증했다.

글로벌 가전 및 스마트 제조 기업인 샤오미의 로봇 사업부인 샤오미 로보틱스는 첨단 로봇 시스템과 체화형 인공지능 개발에 주력하고 있습니다. ‘Xiaomi-Robotics-1’의 출시는 확장 가능한 범용 로봇 제어 모델을 구축하려는 그들의 노력에 있어 중요한 진전을 의미합니다. 이 모델은 소파 정리, 신발장 정리, 주방용품 정리, 휴대폰 포장, 프린터 잉크 보충, 세탁물 넣기, 상자 포장 등 가사일을 포함한 실제 환경에서의 이동형 조작 작업을 위해 설계되었습니다. 핵심 기술적 성과는 대규모 체화(embodiment) 없는 사전 훈련을 통해 로봇 데이터 병목 현상을 해소할 수 있음을 입증한 것으로, 이를 통해 예측 가능한 확장성을 확보함으로써 실제 로봇의 초기 성능 향상을 이끌어 냈습니다.

샤오미의 데이터와 벤치마크 증거는 무엇을 입증하며, 보고된 평가 환경 외에서는 아직 입증되지 않은 부분은 무엇인가?

샤오미의 증거는 대규모 비구현 기반 사전 훈련이 실제 로봇의 즉시 사용 가능한 성능을 향상시키고 높은 데이터 효율성을 가능하게 하여, 작업당 10시간 미만의 시연만으로 75%의 성공률을 달성한다는 점을 입증합니다. 그러나 구조화되지 않은 환경에서 모델의 신뢰성은,

보고된 평가 환경 외부의 새로운 환경에 대한 적용 가능성은 아직 입증되지 않았는데, 이는 훈련 후 평가가 특정 실제 주택에서 수집된 사내 데이터에 크게 의존했기 때문이다.
모델 공개 규모 및 훈련 아키텍처

Xiaomi-Robotics-1의 핵심 성과는 방대한 양의 훈련 데이터에 있습니다. 이 모델은 10만 시간 이상의 실제 조작 궤적을 바탕으로 훈련된 비전-언어-행동(Vision-Language-Action) 시스템입니다. 이러한 규모는 오픈소스 로봇 공학 분야에서 전례가 없으며, 범용 로봇 정책의 개발을 저해해 온 데이터 부족 문제를 직접적으로 해결합니다. 이 모델은 데이터 양과 모델 크기에 따라 예측 가능한 방식으로 확장되며, 이러한 확장성은 미지 환경에서 더 나은 즉시 사용 가능한 실제 로봇 성능으로 이어집니다.

훈련 과정은 두 가지 뚜렷한 단계로 구성됩니다. 사전 훈련 단계에서는 가정, 상업 시설, 산업 현장, 야외 공간 등 1,700개 이상의 시나리오에 걸친 10만 시간 분량의 신체 모델에 구애받지 않는 궤적을 활용합니다. 이 방대한 데이터셋을 처리하기 위해, 비전-언어 모델을 기반으로 한 자동 주석 파이프라인을 사용하여 상태 전환을 기술합니다. 사후 훈련 단계에서는 실제 가정에서 수집된 7,200시간 이상의 사내 실제 로봇 데이터, 필터링된 오픈 소스 로봇 데이터, 고품질의 비구현 데이터를 포함하여 10,000시간 이상의 교차 구현 데이터 세트를 사용합니다. 이 단계에서는 모델을 실제 로봇 구현체 및 지시 사항 이행 능력과 정렬시킵니다.

기본 아키텍처는 사전 훈련된 비전-언어 모델(구체적으로는 Qwen3-VL)과 확산 트랜스포머를 결합한 ‘Mixture-of-Transformers’입니다. 이러한 조합을 통해 모델은 복잡한 시각적 및 언어적 입력을 처리하고 이를 정밀하고 연속적인 제어 동작으로 변환할 수 있습니다. 확산 트랜스포머의 사용은 특히 주목할 만하며, 이를 통해 부드럽고,

정교한 조작 작업에 필수적인 고정밀 궤적. 이러한 아키텍처 선택은, 대규모 언어 모델의 추론 능력과 확산 모델의 생성 능력을 결합하는 것이 범용 로봇 제어를 향한 가장 유망한 길이라는, 체화형 인공지능(EAI) 연구계에서 점차 형성되고 있는 공감대를 반영합니다.
기술적 복잡성을 인간의 이해관계로 전환하기

아이에게 방 청소를 가르치려는데, 특정 구석에 있는 특정 장난감 하나만 집어 올리는 방법만 보여줄 수 있다고 상상해 보십시오. 장난감을 옮기거나 방을 바꾸기만 해도 아이는 완전히 헤매게 됩니다. 이것이 바로 기존 로봇들이 학습하는 방식입니다. 로봇은 작업의 모든 변형에 대해 일일이 수고스럽고 수동적인 지시를 받아야 합니다. Xiaomi-Robotics-1은 로봇이 수천 개의 서로 다른 방에서 사람들이 집안일을 하는 모습을 10만 시간 동안 관찰하게 함으로써 이러한 방식을 바꿉니다. 로봇은 특정 동작 하나를 배우는 대신 ‘정리’라는 일반적인 개념을 습득하므로, 새로운 방이나 새로운 물체에 훨씬 더 빠르게 적응할 수 있습니다. 이는 좁은 범위의 프로그래밍된 행동과 일반화되고 적응력 있는 행동 사이의 간극을 메워줍니다.

작업별 프로그래밍에서 일반화된 학습으로의 이러한 전환은 ‘구현된 인공지능(embodied artificial intelligence)’이 약속하는 근본적인 가치입니다. 이는 로봇이 결국 이전에 본 적 없는 환경에서도, 명시적으로 프로그래밍되지 않은 작업을 수행할 수 있게 될 것임을 의미합니다. 병원 관리자에게 이는 미리 매핑된 경로 없이도 붐비는 복도를 이동하며 물품을 배달할 수 있는 로봇을 의미합니다. 창고 관리자에게는 몇 주에 걸친 재프로그래밍 없이도 새로운 유형의 포장물을 처리할 수 있는 시스템을 의미합니다. 이 기술은 광범위한 신체적 작업을 자동화하여 일의 본질과 생산성을 근본적으로 변화시킬 잠재력을 지니고 있으므로, 인간에게 미치는 영향은 매우 큽니다.

실제 도입 사례: 실증 대
시뮬레이션 벤치마크

벤치마크 결과가 인상적이긴 하지만, 통제된 환경에서 검증된 성능과 실제 환경에서의 적용 가능성을 명확히 구분하는 것이 중요합니다. 이 모델은 RoboCasa(74.5%), RoboCasa365(57.4%), VLABench(59.1%), RoboDojo(13.93) 등 4가지 주요 시뮬레이션 벤치마크에서 최첨단 성과를 달성했습니다. 또한 이 모델은 높은 데이터 효율성을 보여주며, 새로운 작업에 적응하는 데 작업당 평균 10시간 미만의 데모만으로도 충분했습니다.

그러나 실제 배포 환경은 시뮬레이션 벤치마크가 시사하는 것보다 훨씬 복잡한 경우가 많습니다. 훈련 후 단계에서는 실제 가정에서 수집된 7,200시간 이상의 사내 실제 로봇 데이터에 크게 의존했습니다. 이는 상당한 규모의 데이터셋이지만, 여전히 유한한 환경 집합을 나타낼 뿐입니다. Xiaomi-Robotics-1의 진정한 시험대는 훈련 데이터와 현저히 다른 비정형적이고 새로운 환경에서의 성능이 될 것입니다. 성공적인 시연과 신뢰할 수 있으며 확장 가능한 실제 배포 사이의 격차는 여전히 로봇 산업에 있어 큰 장애물로 남아 있습니다.

많은 관찰자들은 벤치마크에서 높은 성공률이 곧 상업적 타당성으로 직결된다고 가정합니다. 그러나 냉정한 현실은 75%의 성공률조차 대부분의 상업적 응용 분야에서 용납될 수 없다는 점입니다. 제조 현장에서 25%의 확률로 부품을 떨어뜨리는 로봇은 자산이 아니라 부담입니다. 의료 환경에서는 오류에 대한 허용 범위가 훨씬 더 낮습니다. 연구상의 획기적인 성과에서 실제 배포 가능한 제품으로의 전환을 위해서는 이러한 신뢰성 격차를 해소해야 하며, 이는 대개 현장 맞춤형 엔지니어링과 엄격한 안전 테스트를 수반한다. 벤치마크는 모델이 효율적으로 학습할 수 있음을 입증할 뿐, 중요한 응용 분야에서 감독 없는 배포가 가능하다는 것을 증명하지는 못한다.

오픈 로보틱스 스택 및 성능 지표 비교

이 공식 보고서는 샤오미-로보틱스-1을 pi0 기준 모델과 비교하여, 특히 실제 로봇 시연을 최소한으로만 수행한 상태에서 새로운 작업에 적응할 때 작업 성공률이 크게 향상되었음을 강조하고 있습니다.

uploaded image

참고: 이 데이터는 실제 로봇 시연을 최소화한 상태에서 새로운 작업에 효율적으로 적응한 결과를 기반으로 합니다. pi0는 샤오미-로보틱스-1 공식 보고서에서 주요 기준 모델로 사용되었습니다.

이 비교를 통해 데이터 효율성에서 상당한 도약이 드러납니다. 과제별 데이터 10시간 미만으로 75%의 전체 성공률을 달성한 것은 중요한 이정표입니다. 이는 사전 훈련 단계에서 모델에 물리적 상호작용에 대한 견고한 이해가 성공적으로 심어졌으며, 이를 통해 소수의 시연만으로도 일반화를 이룰 수 있게 되었음을 시사합니다. 이는 특히 세탁물 넣기와 같은 복잡한 작업에서 두드러지는데, Xiaomi-Robotics-1은 베이스라인의 40% 성공률에 비해 80%의 성공률을 달성했습니다.

자동화 구매자에게 미치는 상업적 및 운영적 시사점

코드와 모델 가중치를 포함한 오픈소스 모델로 Xiaomi-Robotics-1이 공개된 것은 로봇 공학 연구자 및 개발자들에게 중요한 의미를 지닙니다. 샤오미는 방대한 데이터셋으로 훈련된 즉시 사용 가능한 기반 모델을 제공함으로써, 첨단 로봇 시스템 개발에 대한 진입 장벽을 낮추고 있습니다. 이는 다양한 산업 분야에서 새로운 애플리케이션의 개발과 도입을 가속화할 수 있습니다.

"샤오미-로보틱스-1은 대규모 체화(embodiment) 없는 사전 훈련이 로봇 데이터 병목 현상을 해소할 수 있음을 입증하며, 예측 가능한 확장성을 통해 실제 로봇의 초기 성능을 향상시킬 수 있습니다."

조달 팀과

자동화 분야 구매자들에게는 ‘Xiaomi-Robotics-1’과 같은 오픈소스 파운데이션 모델의 등장으로 새로운 고려 사항이 생겼습니다. 이러한 모델들은 강력한 기능을 제공하지만, 이를 구현하고 특정 사용 사례에 적용하기 위해서는 상당한 기술적 전문 지식이 필요합니다. 이 모델은 2단계 훈련 과정을 필요로 하며 복잡한 아키텍처에 기반을 두고 있습니다. 구매자들은 이러한 첨단 모델이 제공하는 잠재적 이점과 통합 과정의 어려움, 그리고 전문 엔지니어링 인력의 필요성을 신중히 저울질해야 합니다.

또한, 이번 릴리스의 오픈소스 특성은 로봇 시장의 경쟁 구도를 변화시킵니다. 이는 라이선스 비용 없이도 맞춤화 및 배포가 가능한 고성능 대안을 제공함으로써 독점 모델에 도전장을 내밀고 있습니다. 그러나 총 소유 비용(TCO)을 산정할 때는 훈련 후 단계 및 추론에 필요한 컴퓨팅 자원뿐만 아니라, 모델을 특정 하드웨어 플랫폼에 통합하는 데 필요한 엔지니어링 노력도 고려해야 합니다.

로봇 산업은 좁고 특정 작업에 국한된 프로그래밍 패러다임에서 일반화된 데이터 기반 학습 패러다임으로 전환되고 있습니다. ‘Xiaomi-Robotics-1’은 이러한 전환을 명확히 보여주는 신호로, 대규모 데이터 수집과 사전 훈련의 힘을 입증하고 있습니다. 이러한 모델들이 지속적으로 개선되고 접근성이 높아짐에 따라, 로봇이 개발되고 배포되며 우리 일상생활에 통합되는 방식은 근본적으로 변화할 것입니다. 시스템의 지능이 주요 차별화 요소가 됨에 따라, 초점은 하드웨어 설계에서 데이터 수집 및 모델 훈련으로 점차 이동할 것입니다.

본 분석은 기업 발표 내용과 공개된 시장 및 정책 정보를 종합한 것입니다.

면책 조항: 본 기사는 정보 제공 목적으로만 작성되었으며, 투자, 금융, 법률, 조달 또는 기타 전문적인 조언을 구성하지 않습니다. 독자는 사양, 가격, 가용성, 규제 사항 등을 직접 확인해야 합니다.

결정을 내리기 전에 해당 기업이나 기관과 직접 요구 사항 및 상업적 조건을 협의하십시오.