【CNMO科技消息】7月16日，小米技术官方宣布正式推出具身基座模型Xiaomi-Robotics-1。

该模型基于10万小时的真实世界操作轨迹数据进行预训练，并结合跨本体数据完成后训练，在未见过的真实环境机器人任务中展现出了稳定的规模化收益，同时在复杂新任务适配和多个仿真基准测试中均取得了领先性能。

小米介绍称，在机器人领域，大语言模型所验证的Scaling Law能否同样适用于策略模型，一直是一个悬而未决的问题。机器人学习不仅需要理解视觉和语言指令，更要在真实的物理世界中完成具体的动作执行，而真实机器人数据的采集高度依赖于特定硬件、真实环境和人工遥操作，成本高昂且规模有限。

小米发布具身基座模型Xiaomi-Robotics-1

小米此次发布的Xiaomi-Robotics-1正是围绕这一关键问题展开的系统性探索。为了解决数据规模瓶颈，团队在预训练阶段使用了10万小时的真实世界操作轨迹，这些数据通过通用操作接口设备采集，覆盖了家庭、商业空间、工业场景、办公室、户外等多种环境，包含了大量物体交互和操作行为。

该数据采集方式的优势在于不依赖特定机器人本体，能够高效获取真实世界中的操作过程。面对如此大规模的数据，团队构建了可规模化的自动标注流程，将长轨迹切分为固定长度片段，并使用视觉语言模型对夹爪状态变化和交互物体状态变化进行描述，整个标注流程可在约两周内完成。

Xiaomi-Robotics-1采用预训练加后训练的两阶段范式。在预训练阶段，模型学习从当前视觉观察和语言描述生成动作序列的通用能力，使场景状态向目标状态变化。后训练阶段则重点解决本体对齐和指令对齐两个问题，将预训练获得的能力迁移到真实机器人本体上，并将基于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，其中包括7200小时以上的移动操作机器人和双臂机器人数据，以及多个公开机器人数据集。

小米发布具身基座模型Xiaomi-Robotics-1

实验结果显示，随着预训练数据规模从2.5千小时逐步扩展至20千小时，模型在验证集上的动作预测损失持续降低，过拟合风险下降，训练过程更加稳定。同时，在2B、5B、10B三个参数规模的对比中，更大尺寸的模型同样表现出持续的性能改善。真实机器人评测覆盖鞋柜收纳、书包打包、桌面整理、沙发收拾等任务，结果显示预训练阶段表现更好的模型在后训练后的真实任务执行中也取得了更高的成功率。

在复杂新任务适配方面，模型通过少量下游真实机器人数据即可实现高效微调，每个任务平均训练数据不足10小时的情况下，成功率大幅超越了对比基线Pi-0.5。此外，在RoboCasa365、RoboDojo和VLABench等多个公开仿真基准中，Xiaomi-Robotics-1均登顶榜首或取得最佳成绩。小米方面表示，该模型的代码与权重将陆续发布，项目主页已同步上线。