小米具身基座模型Xiaomi-Robotics-1在青年公寓试运营，30分钟完成50+跨房间任务

11月3日，小米技术官微正式宣布，其具身基座模型Xiaomi-Robotics-1已在小米北京青年公寓进入“试运营”阶段。这是继7月模型发布、8月开源后，该技术首次在真实生活场景中开展系统性验证。试运行中，搭载该模型的机器人系统连续工作超过30分钟，自主规划并执行了跨越3个独立房间、总计50余项任务的长程作业链，涵盖桌面整理、垃圾清扫、物品分类归位、房间巡检及全屋复检等典型居家场景任务。

此次试运营的核心价值在于验证模型在半结构化生活空间中的任务泛化与持续执行能力。不同于实验室环境下的单点演示或单房间测试，跨房间连续作业要求机器人在动态变化的环境中维持任务逻辑连贯性——例如从卧室取回散落物品后，需准确识别客厅收纳柜位置并完成归位；若途中发现地面垃圾，还需临时插入清扫子任务并重新规划路径。这种“感知-决策-执行”的闭环能力，正是通用具身智能落地的关键门槛。

Xiaomi-Robotics-1的技术底座建立在大规模真实世界数据之上。预训练阶段使用了由通用操作接口设备（Universal Manipulation Interface, UMI）采集的10万小时操作轨迹，覆盖家庭、办公室、餐厅、户外及工业等多元场景，包含1700余种环境配置、240万段交互片段与260余种任务类型。在此基础上，团队进一步采用超1万小时的跨本体后训练数据进行对齐优化，使模型可适配移动底盘、双臂协作等多种机器人本体形态。针对新任务的微调需求，自动化标注流程可在两周内完成高质量数据构建，显著降低部署成本。

模型性能已在多个国际权威基准中得到验证。在RoboCasa365测试中，Xiaomi-Robotics-1平均成功率达57.4%，高于此前最优方法46.6%；在Composite-Unseen任务划分下展现出突出的任务组合泛化能力。RoboDojo仿真评测中，其以20.07分平均成绩与13.93%成功率位列榜首，大幅超越行业前序方案（13.07分、8.80%）。VLABench基准中，模型平均成功率达59.1%，进度得分70.3%，同样位居当前最优。

值得注意的是，Xiaomi-Robotics-1并非孤立存在。小米同步推进的另一款VLA大模型Xiaomi-Robotics-0采用“大小脑混合架构”，可在消费级显卡上实现80毫秒推理延迟，为轻量级终端提供支持。二者形成高低搭配的技术矩阵：前者聚焦高复杂度、长时程任务的通用能力构建；后者侧重低延迟、低成本场景的快速响应。

场景落地方面，小米采取“家庭+工业”双线并进策略。除青年公寓外，该模型已在小米汽车工厂投入实际产线验证：在自攻螺母上件、盖板排序、料箱折叠等工站，机器人稳定运行成功率达94%—98%；其中中控台侧盖板排序工站更完成首次8小时连续作业挑战，具备异常自主纠偏与产线系统协同能力——这标志着具身智能已初步满足工业级“生产节拍+合格率”双重硬约束。

2026年11月2日，小米申报的“面向规模化落地的通用机器人操作基座模型关键技术”项目获世界互联网大会“领先科技奖”；次日，集团再获“杰出贡献奖”创新突破类奖项，系首次同届包揽两项大奖。机器人事业部总经理向迪昀在乌镇现场介绍，该项目核心即围绕Xiaomi-Robotics-1构建的数据-模型-执行闭环体系，目标是推动通用机器人从“能做”走向“可靠做、规模做”。

小米青年公寓本身亦构成重要试验场。北京昌平定泗路公寓共2658间，主力户型29平方米开间，配备独立卫浴与智能家居系统，支持工卡一卡通刷及7×24小时管家响应；南京建邺区公寓566间，位于河西南CBD。2025年6月首批上线时，租金标准为1999元/月，租期2025年7月至2028年6月享安居折扣。选择此处作为试运营地点，既因空间标准化程度较高、便于部署与评估，也因其作为员工生活社区，天然具备高频、真实、可反馈的操作需求。

从技术演进看，Xiaomi-Robotics-1的“开箱即用”特性具有标志性意义。传统机器人部署常需针对具体任务从零训练模型，周期长、成本高；而该模型通过预训练建立通用动作生成能力，结合跨本体后训练实现本体适配，使新任务仅需少量样本即可微调上线。雷军曾透露，双机械臂协同完成的自攻螺母上件作业单次成功率已从初期90.2%提升至98%，反映模型迭代带来的实际效能跃升。

行业层面，小米的路径折射出具身智能落地的新范式：不再执着于单一“人形”形态竞赛，而是以基座模型为核心，通过真实场景反哺数据闭环，逐步拓展任务边界。相比纯仿真训练或短时演示, 长程跨房间作业与8小时产线运行更具工程说服力——它们证明机器人能在真实世界的不确定性中维持功能稳定性。

目前，Xiaomi-Robotics-1已全面开源，覆盖从真机后训练到模型部署的完整流程，并附带Benchmark评测代码。此举意在加速生态共建，吸引高校与开发者参与模型优化与场景拓展。随着试运营数据持续积累, 模型将在环境理解、任务分解与错误恢复等环节进一步迭代。

具身智能的规模化落地仍面临感知鲁棒性、长时记忆一致性与安全冗余设计等挑战，但小米在生活与工业两端同步推进的实践表明：通用操作基座模型正从理论验证迈向真实可用阶段。青年公寓里那个默默整理桌面、清扫角落的机器人，或许正是未来服务机器人普及的第一块“试验田”。