10万小时真实数据预训练！小米发布机器人基座模型Xiaomi-Robotics-1

7月16日，小米正式推出机器人基础平台Xiaomi-Robotics-1。该平台基于10万小时的真实世界操作数据进行预训练，并结合跨机型的后训练环节，真正做到了对不同本体的“开箱即用”。

在预训练阶段，研发团队使用了累计10万小时的真实操作记录。这些记录通过通用操作接口设备Universal Manipulation Interface（UMI）采集，覆盖家庭、商业空间、工业场景、办公及户外等多种环境，囊括了大量物体交互与操控行为。

为高效处理海量数据，团队搭建了一套可规模化运作的自动标注流程：先将长段操作记录切分为固定时长的小片段，再利用图像语义解析技术，对片段中夹爪状态变化和被操作物体的状态变化进行描述。借助这套流程，模型可以从当前画面和语言条件中学习生成动作序列，推动场景状态发生改变。据了解，全部10万小时数据的高质量标注，可在约两周内自动完成，极大提升了机器人训练数据的处理速度。

Xiaomi-Robotics-1采用了“预训练＋后训练”两阶段的训练方式。预训练阶段主要培养通用的动作生成能力：给定视觉观察结果和状态变化描述，系统需要预测一段动作轨迹，使场景从当前状态向目标状态转移。后训练阶段则聚焦于解决本体适配与指令跟随两大任务。其中，本体适配是将从UMI数据中学到的动作生成能力，迁移到真实的机器人硬件上。指令跟随则是将“依据状态变化描述生成动作”这一能力，转化为面向人类自然语言指令执行任务的能力。

为此，团队构建了约1万小时跨机型后训练数据，其中包括超过7200小时的移动操作机器人与双臂机器人数据、超过1000小时的人工标注UMI数据，以及Bridge V2、RT-1、DROID等公开的机器人数据集。经历完整的后训练过程后，Xiaomi-Robotics-1能够在真实环境中理解自然语言指令，并直接执行多种移动操作任务。

在性能表现上，Xiaomi-Robotics-1于多项机器人基准测试中取得领先成绩。在RoboCasa365评测中，该平台的每项任务平均成功率达到57.4%，优于此前领先方法的46.6%；特别是在Composite-Unseen任务划分中，展现出较强的任务组合与泛化能力。在RoboDojo仿真评测中，Xiaomi-Robotics-1以20.07分的平均成绩和13.93%的平均成功率登顶排行榜，大幅领先此前业界最佳成绩的13.07分和8.80%成功率。在VLABench基准中，该平台同样取得当前最优表现，平均成功率达到59.1%，平均进度得分达到70.3%。此外，在RoboCasa基准中，其平均成功率达到74.5%，超越RLDX-1、Cosmos Policy、GR00T N1.6、Pi-0.5及Pi-0-FAST等一众系统。

（举报）