小米发布具身智能基底模型Xiaomi-Robotics-1，探索物理AI Scaling效应

 7月16日，小米正式发布面向真实移动操作任务的具身基底模型Xiaomi-Robotics-1。该模型基于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，标志着小米在推动具身智能模型走向“Scaling Law”（规模法则）路径上迈出了系统性的一步。

传统机器人策略模型常受限于硬件依赖与稀缺的数据规模。为突破这一瓶颈，小米团队在预训练阶段引入了通过UMI（Universal Manipulation Interface）设备采集的10万小时真实世界轨迹，覆盖家庭、商业及工业等多类场景，并配合高效的视觉语言模型在两周内完成全量自动标注。

在后训练阶段，团队通过约10000小时的跨本体数据进行本体与指令对齐，使Xiaomi-Robotics-1具备了“开箱即用”的多类移动操作能力。实验表明，随着训练数据量与模型尺寸（提供2B、5B、10B三种版本）的提升，模型在动作预测精度和未见场景任务成功率上均表现出清晰的规模化增长趋势，并在RoboCasa365、RoboDojo等多个公开仿真基准上刷新了SOTA(行业最优)纪录。

此次Xiaomi-Robotics-1的发布，不仅展示了小米在物理AI领域的研发实力，更成功验证了一条“大规模预训练-跨本体后训练-少量数据微调”的可规模化具身智能训练路径，为机器人从实验室演示走向复杂真实的物理世界提供了极具参考价值的范式。