Xiaomi Robotics применила двухэтапный пост-тренинг для модели Xiaomi-Robotics-1. Первый этап — embodiment alignment: модель учится сопоставлять общие способности генерации действий, полученные на предтренировке, с реальными роботизированными воплощениями. Для этого используются высококачественные кроссплатформенные данные с реальных роботов. Второй этап — instruction alignment: модель переучивается с генерации действий по описанию переходов состояний сцены на прямое выполнение натуральных языковых команд.
После пост-тренинга Xiaomi-Robotics-1 можно использовать сразу, без доработок, для широкого круга задач мобильной манипуляции в реальном мире. Чтобы проверить, переносятся ли масштабирующие свойства предтренировки на реальную производительность робота, модель протестировали в незнакомой обстановке с незнакомыми объектами. Ответ — да, переносятся. Чем больше объём предтренировочных данных и чем крупнее сама модель, тем стабильнее и предсказуемее растёт success rate на реальном роботе. Более сильная предтренировочная модель даёт лучшие результаты после пост-тренинга.
Признаков насыщения нет: success rate продолжает улучшаться по мере того, как модель потребляет всё больше данных или увеличивается в размерах на этапе предтренировки.