小米が本体知能ベースモデル「Xiaomi-Robotics-1」を発表。物理的AIのスケーリング効果を探る

 7月16日、小米は本物のモバイル操作タスク向けのエージェント基盤モデル「Xiaomi-Robotics-1」を正式に発表しました。このモデルは10万時間以上の現実世界データで事前学習され、複数のエージェントデータと組み合わせて最終的なトレーニングが行われました。これは、小米がエージェント知能モデルを「Scaling Law（スケーリング法則）」への道に進めるために体系的な一歩を踏み出したことを示しています。

従来のロボット戦略モデルはハードウェア依存性や限られたデータ規模によって制限されていました。このバリアを突破するために、小米チームは事前学習段階でUMI（Universal Manipulation Interface）デバイスを使って収集された10万時間以上の現実世界の軌跡を導入し、家庭、商業、工業などの多様なシナリオをカバーしました。また、効率的な視覚言語モデルを用いて2週間以内にすべてのデータを自動的にラベル付けしました。

後期トレーニング段階では、約10,000時間の跨エージェントデータを使用してエージェントと指示の整合化を行い、Xiaomi-Robotics-1は「開封即用（開けたらすぐに使える）」の多様な移動操作能力を備えるようになりました。実験結果によると、トレーニングデータ量とモデルサイズ（2B、5B、10Bの3つのバージョン）が増えるにつれて、モデルの動作予測精度と未知のシナリオでのタスク成功確率が明確なスケーリング成長の傾向を示し、RoboCasa365、RoboDojoなど複数の公開シミュレーションベンチマークでSOTA（業界最高記録）を更新しました。

今回のXiaomi-Robotics-1の発表は、小米が物理AI分野での研究開発力を見せただけでなく、「大規模事前学習-跨エージェント後期トレーニング-少量データ微調整」というスケーラブルなエージェント知能トレーニングの道を成功裏に検証しました。これにより、ロボットが研究室でのプレゼンテーションから複雑で現実的な物理世界へと進むための参考となるモデルを提供することができました。