小米发布基于10万小时真实数据训练的机器人大脑

小米在物理AI领域迈出了一大步。7月16日，该公司正式发布了Xiaomi-Robotics-1，一个旨在处理真实世界移动任务的具身基础模型。可以把它想象成机器人的大脑，能够真正站起来做事。

这个模型有什么特别之处？它是在一个庞大的数据集上预训练的：10万小时的真实世界轨迹。这不是模拟数据——而是从机器人在家庭、办公室和工厂执行任务时收集的实际运动数据。团队使用了一种名为UMI（通用操作接口）的设备来收集这些数据，然后结合视觉语言模型在短短两周内自动标注所有内容。

但训练并未止步于此。在第二阶段，团队使用了约1万小时的跨本体数据——即来自不同机器人类型的数据——来对齐模型对指令和动作的理解。结果呢？一个可以在多个机器人平台上工作而无需大量定制的模型。小米称之为“开箱即用”能力。

Xiaomi-Robotics-1提供三种尺寸：20亿、50亿和100亿参数。令人兴奋的是：随着模型大小和训练数据的增加，性能持续提升。这就是“规模化法则”在起作用——这一原则推动了语言模型的突破，但在机器人领域仍在探索中。该模型在RoboCasa365和RoboDojo等基准测试中创造了新的最先进记录。

这不仅仅是另一篇研究论文。小米展示了一条清晰的路径：从大规模真实数据预训练开始，然后使用跨本体数据进行微调，最后用少量任务特定数据进行适配。这是一个可以帮助机器人从实验室演示走向实际应用的配方。

对于关注AI的人来说，这感觉像是一个里程碑。物理AI长期以来一直面临“数据问题”——机器人需要大量多样化的数据来学习，但收集这些数据既慢又昂贵。小米的方法表明，有了正确的工具和规模，这些障碍可以被打破。

关键点

• 小米发布了Xiaomi-Robotics-1，一个用于移动机器人的具身基础模型
• 基于10万小时来自家庭、商业和工业环境的真实数据预训练
• 使用1万小时跨本体数据进行后训练，实现多平台兼容
• 提供20亿、50亿和100亿参数版本，显示出明显的规模化优势
• 在RoboCasa365和RoboDojo基准测试中创造了新的最先进结果