Xiaomi-Robotics-1

一句话看懂：小米发布了机器人基础模型 Xiaomi-Robotics-1，通过“无实体预训练+少量真机微调”的混合策略，首次在机器人领域验证了类似大语言模型的规模法则——数据与模型参数越大，真实操控的成功率越高。

事件核心：发生了什么

小米机器人团队发布 Xiaomi-Robotics-1，核心创新在于采用“两阶段训练”：预训练阶段使用了 10 万小时的“无实体轨迹”（UMI，即不依赖具体机器人本体采集的数据），涵盖超过 1700 个场景（家庭、商业、工业、户外）；后训练阶段使用 7200 小时真实家庭机器人数据和筛选过的开源数据，对齐具体机器人和自然语言指令。模型在手机打包、打印机装纸、衣物投递等新任务上，平均不到 10 小时演示数据即可达到 75% 成功率。

为什么重要

此前机器人领域一直受困于高质量数据稀缺，导致端到端策略模型无法像语言或视觉模型那样从规模化中获益。Xiaomi-Robotics-1 通过“无实体预训练”打破了这一瓶颈：10 万小时的人类示教或仿真数据可低成本采集，且模型规模与验证误差呈现清晰的负相关。更关键的是，这种预训练收益可以直接迁移到真机——预训练数据每增加、模型每变大，后训练的真机成功率就稳定上升，未见饱和。这意味着机器人基础模型可能第一次拥有了类似 LLM 的放缩法则，为行业提供了一条可预期的技术路线。

对用户/开发者/创作者的影响

开发者：目前公开信息显示，Xiaomi-Robotics-1 的预训练权重尚未开源，但小米开放了任务级微调的能力——仅需数小时新任务演示数据即可完成适配。这意味着第三方团队可以借此大幅降低机器人技能开发的训练代价，从原来需要上千小时专用数据，缩短到个位数小时。
企业用户：模型在“场景通用性”和“实例泛化”上经过了 unseen 环境测试，叠加低成本微调，适合仓储物流、家庭服务等场景的快速方案迭代。
内容创作者/机器人开发者：自动化标注管线的引入使得语言指令直接驱动动作生成成为可能，未来机器人或许能像输入 Prompt 一样被赋予新技能，降低了机器人编程的门槛。

值得关注的后续

开放程度：模型是否会通过 API 或开源方式面向外部开发者？若开源，则可能带动中国机器人基础模型的开发者生态；若封闭，则主要服务于小米生态链。
数据管线是否复用：预训练所用的 10 万小时 UMI 自动标注方法，是否会形成标准化工具对外输出？这将直接降低整个行业的机器人数据获取成本。
竞品跟进：Google、Meta、figure.ai 等已有类似行动。小米这次在规模化验证上走在前列，后续其他厂商是否会在“无体例预训练+后对齐”路径上快速复制或改进。