小米宣布推出 Xiaomi-Robotics-1，一个面向真实移动操作任务的具身基座模型。代码和模型权重将在近期全面开源。

模型基于 10万 小时真实世界数据进行预训练，并结合跨本体数据完成后训练，在未见环境真实机器人任务中展现稳定的规模化收益、在复杂新任务适配和多个仿真基准中展现出强大的性能。

根据介绍，Xiaomi-Robotics-1 采用 预训练 + 后训练 的两阶段训练范式。在预训练阶段，模型学习的是通用动作生成能力。给定当前视觉观察和语言描述，模型需要预测一段动作序列，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对齐问题：

• 第一，本体对齐。将预训练阶段从 UMI 数据中获得的动作生成能力，迁移到真实机器人本体上。
• 第二，指令对齐。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 小时跨本体后训练数据，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。

完成后训练后，Xiaomi-Robotics-1 即可在真实环境中，根据自然语言指令直接执行多类移动操作任务。

Xiaomi-Robotics-1 不只关注已有任务表现，也关注新任务适配的效率。

在复杂、灵巧操作任务上，模型可以通过少量下游真实机器人数据进行高效微调，而不是从零开始学习。这种“先训练通用基座，再用少量数据适配任务”的方式，有助于降低新任务开发的数据成本和训练成本。

在 RoboCasa365 基准中，Xiaomi-Robotics-1 达到 57.4% 的平均成功率，相比此前最优方法 46.6% 取得很大提升。尤其在 Composite-Unseen 任务划分上，模型表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，实现“断档式”领跑，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）。

在 VLABench 中，Xiaomi-Robotics-1 也取得了 state-of-the-art (SoTA) 的表现，平均成功率达到 59.1%，平均进度得分达到 70.3%。

在 RoboCasa 基准中，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。