小米近日在具身智能领域取得重大突破，正式推出新一代机器人策略基座模型Xiaomi-Robotics-1。该模型基于10万小时真实世界操作数据训练，通过创新性的"大规模UMI数据预训练+跨本体机器人数据后训练"双阶段架构，实现了在未知环境与物体条件下直接理解自然语言指令并完成复杂操作任务的能力。在鞋柜收纳、桌面整理等四项移动操作任务测试中，其平均成功率显著超越行业标杆模型π0.5，展现出强大的环境适应与任务执行能力。
国际权威评测基准RoboDojo的最新数据显示，Xiaomi-Robotics-1以20.07的平均分数和13.93%的平均成功率登顶全球排行榜，较原纪录（13.07分/8.80%成功率）实现跨越式提升。在更具挑战性的RoboCasa评测中，该模型同样以57.4%的平均成功率领跑全球。这些突破性成果验证了小米在具身智能领域的技术积累，特别是其开创的"无本体UMI数据+自动化标注"预训练模式，成功解决了传统机器人数据采集成本高、规模受限的难题。
技术团队通过构建10万小时非机器人本体采集的UMI数据，配合自主研发的自动化标注流程，在两周内完成全量数据的高质量处理。实验表明，当预训练数据量从2500小时增至20000小时，或模型参数规模从20亿扩展至100亿时，动作预测精度均呈现稳定提升趋势。这种可量化的性能增长规律，首次系统性证实了具身智能领域存在类似大语言模型的Scaling Law效应，为机器人技术发展开辟了新路径。
在后训练阶段，小米采用独特的"双对齐"策略：通过本体对齐将预训练能力迁移至真实机器人，借助指令对齐实现自然语言交互。为此构建的跨本体训练数据集包含7200小时移动操作机器人数据、1000小时人工标注UMI数据及多个公开数据集。这种设计使Xiaomi-Robotics-1具备"开箱即用"能力，在真机测试中仅需平均不足10小时的微调数据，即可在新任务中超越行业标杆模型，显著降低企业开发成本与周期。
此次发布是小米具身智能战略的阶段性成果展示。三天前，其人形机器人已在汽车工厂实现接近人工水平的装配成功率；次日发布的统一生成模型Xiaomi-Robotics-U0，为机器人数据生成提供了通用框架。从硬件本体到数据生成，再到模型架构，小米已完成"本体-数据-模型"的技术闭环构建。这种系统性布局不仅解决了机器人训练数据稀缺的核心痛点，更确立了可规模化扩展的技术范式，为具身智能的产业化应用奠定坚实基础。
