小米發佈具身智能基底模型Xiaomi-Robotics-1，探索物理AI Scaling效應

 7月16日，小米正式發佈面向真實移動操作任務的具身基底模型Xiaomi-Robotics-1。該模型基於10萬小時真實世界數據進行預訓練，並結合跨本體數據完成後訓練，標誌着小米在推動具身智能模型走向“Scaling Law”（規模法則）路徑上邁出了系統性的一步。

傳統機器人策略模型常受限於硬件依賴與稀缺的數據規模。爲突破這一瓶頸，小米團隊在預訓練階段引入了通過UMI（Universal Manipulation Interface）設備採集的10萬小時真實世界軌跡，覆蓋家庭、商業及工業等多類場景，並配合高效的視覺語言模型在兩週內完成全量自動標註。

在後訓練階段，團隊通過約10000小時的跨本體數據進行本體與指令對齊，使Xiaomi-Robotics-1具備了“開箱即用”的多類移動操作能力。實驗表明，隨着訓練數據量與模型尺寸（提供2B、5B、10B三種版本）的提升，模型在動作預測精度和未見場景任務成功率上均表現出清晰的規模化增長趨勢，並在RoboCasa365、RoboDojo等多個公開仿真基準上刷新了SOTA(行業最優)紀錄。

此次Xiaomi-Robotics-1的發佈，不僅展示了小米在物理AI領域的研發實力，更成功驗證了一條“大規模預訓練-跨本體後訓練-少量數據微調”的可規模化具身智能訓練路徑，爲機器人從實驗室演示走向複雜真實的物理世界提供了極具參考價值的範式。