7月16日,小米正式发布面向真实移动操作任务的具身基底模型Xiaomi-Robotics-1。该模型基于10万小时真实世界数据进行预训练,并结合跨本体数据完成后训练,标志着小米在推动具身智能模型走向“Scaling Law”(规模法则)路径上迈出了系统性的一步。

传统机器人策略模型常受限于硬件依赖与稀缺的数据规模。为突破这一瓶颈,小米团队在预训练阶段引入了通过UMI(Universal Manipulation Interface)设备采集的10万小时真实世界轨迹,覆盖家庭、商业及工业等多类场景,并配合高效的视觉语言模型在两周内完成全量自动标注。

在后训练阶段,团队通过约10000小时的跨本体数据进行本体与指令对齐,使Xiaomi-Robotics-1具备了“开箱即用”的多类移动操作能力。实验表明,随着训练数据量与模型尺寸(提供2B、5B、10B三种版本)的提升,模型在动作预测精度和未见场景任务成功率上均表现出清晰的规模化增长趋势,并在RoboCasa365、RoboDojo等多个公开仿真基准上刷新了SOTA(行业最优)纪录。
此次Xiaomi-Robotics-1的发布,不仅展示了小米在物理AI领域的研发实力,更成功验证了一条“大规模预训练-跨本体后训练-少量数据微调”的可规模化具身智能训练路径,为机器人从实验室演示走向复杂真实的物理世界提供了极具参考价值的范式。
本文聚焦具身智能从实验室走向真实世界的关键一步。Xiaomi-Robotics-1通过大规模真实轨迹预训练、跨本体后训练和少量微调,尝试解决机器人数据稀缺、硬件依赖强、泛化能力弱等问题。相较于传统单任务机器人策略,它更强调跨场景、跨本体的通用操作能力,适合家庭、商业与工业中的移动操作任务。
Xiaomi-Robotics-1是什么模型?
Xiaomi-Robotics-1是小米发布的具身智能基底模型,面向真实移动操作任务。它先用10万小时真实世界数据预训练,再用跨本体数据后训练,目标是提升机器人在复杂真实环境中的通用操作能力。
它为什么被认为有Scaling效应?
因为实验显示,随着训练数据量和模型尺寸从2B、5B到10B提升,模型在动作预测精度和未见场景任务成功率上都持续增长,说明具身智能也能沿着类似大模型的规模化路线获得收益。
这类模型适合哪些应用场景?
它主要面向家庭、商业和工业等真实移动操作场景,例如在不同环境中完成抓取、移动、操作等任务。相比传统依赖单一硬件和小规模数据的机器人策略,这类方案更强调跨场景泛化与快速部署。
10 万小时真实数据价值在哪?
真实数据能覆盖传感噪声、动作误差和环境变化,这些是仿真很难完全复现的。对具身模型来说,真实数据更能提升泛化和落地稳定性,尤其适合移动操作这类高不确定任务。
开箱即用的机器人模型怎么部署?
先把任务边界限定在抓取、搬运、导航等标准动作,再做本体适配和安全约束。部署时要加碰撞检测、速度限制和人工接管机制,避免模型在真实环境里出现不可逆损坏。
