小米发布 Xiaomi-Robotics-1，基于 10 万小时数据的通用机器人基座模型

近日，小米技术团队宣布推出新一代具身机器人基座模型Xiaomi-Robotics-1，这款模型凭借其强大的泛化能力和高效的迁移学习能力，为机器人技术的发展开辟了新的方向。

据官方介绍，Xiaomi-Robotics-1的训练数据量达到惊人的10万小时，这些数据通过Universal Manipulation Interface（UMI）设备采集，涵盖了家庭、商业空间、工业场景、办公室和户外等多种环境。数据内容包括大量的物体交互和操作行为，为模型提供了丰富的学习素材。

在数据处理方面，团队采用了一套可规模化的自动标注流程。首先将长轨迹切分为固定长度的片段，然后利用视觉语言模型对每个片段中的夹爪状态变化和交互物体状态变化进行描述。这种创新的数据处理方式，使得模型能够在大约两周内完成全量10万小时数据的高质量标注。

模型采用了预训练+后训练的两阶段训练范式。在预训练阶段，模型主要学习通用动作生成能力，能够根据当前视觉观察和语言描述预测一段动作序列，使场景从当前状态向目标状态变化。后训练阶段则重点解决两个关键问题：本体对齐和指令对齐。

本体对齐是指将预训练阶段获得的动作生成能力迁移到真实机器人本体上；指令对齐则是将“根据状态变化描述生成动作”的能力转化为“根据人类自然语言指令执行任务”的能力。为此，团队构建了约10000小时的跨本体后训练数据集，其中包括7200小时移动操作机器人和双臂机器人数据、1000小时人工标注UMI数据，以及Bridge V2、RT-1、DROID等公开机器人数据集。

得益于这种创新的训练方法，Xiaomi-Robotics-1在多个国际基准测试中表现出色。在RoboCasa365基准测试中，模型达到57.4%的平均成功率；在Composite-Unseen任务划分上，展现出强大的任务组合泛化能力。在RoboDojo仿真评测中，Xiaomi-Robotics-1以20.07的平均分数和13.93%的平均成功率强势登顶Leaderboard，大幅刷新了此前由行业最优方法保持的纪录（13.07分/8.80%成功率）。此外，在VLABench基准测试中，模型也取得了state-of-the-art（SoTA）的表现，平均成功率达到59.1%，平均进度得分为70.3%。

特别值得一提的是，在RoboCasa基准测试中，Xiaomi-Robotics-1达到74.5%的平均成功率，超过RLDX-1、Cosmos Policy、GR00T N1.6、Pi-0.5、Pi-0-FAST等方法，充分展示了其在复杂任务处理上的优势。

Xiaomi-Robotics-1的成功发布，不仅体现了小米在机器人领域的深厚积累，也为行业提供了一个全新的解决方案。通过“先训练通用基座，再用少量数据适配任务”的方式，该模型有效降低了新任务开发的数据成本和训练成本，为机器人技术的普及和应用开辟了新的可能性。