共计 1410 个字符，预计需要花费 4 分钟才能阅读完成。
小米推出“开箱即用”机器人基座模型 Xiaomi-Robotics-1, 基于 10 万小时数据训练
小米技术团队今日正式发布了具身基座模型 Xiaomi-Robotics-1, 这款模型基于 10 万小时真实世界操作数据预训练, 并经过跨本体后训练, 旨在让机器人具备“开箱即用”的能力。项目主页已同步上线, 展示了模型在多个仿真和真实环境下的出色表现。
📌 数据驱动:10 万小时真实轨迹与自动化标注
Xiaomi-Robotics-1 的预训练阶段使用了 10 万小时的真实世界操作轨迹。这些数据通过 Universal Manipulation Interface(UMI) 设备采集, 覆盖家庭、商业空间、工业场景、办公室、户外等多种环境, 包含大量物体交互和操作行为。团队构建了可规模化的自动标注流程: 将长轨迹切分为固定长度片段, 并利用视觉语言模型对片段中的夹爪状态变化和交互物体状态变化进行描述。模型由此学习在当前视觉观察和语言条件下, 生成能够推动场景状态变化的动作。整个标注流程可在约 2 周内完成全量 10 万小时数据的高质量标注。
🔍 两阶段训练: 预训练 + 后训解决对齐问题
- 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。
- 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。在复杂、灵巧操作任务上, 模型可通过少量下游真实机器人数据进行高效微调, 无需从零开始学习, 从而降低新任务开发的数据和训练成本。
💡 基准测试表现: 多项指标刷新纪录
- RoboCasa365 基准:平均成功率达到 57.4%, 在 Composite-Unseen 任务划分上表现出强大的任务组合泛化能力。
- RoboDojo 仿真评测:以 20.07 的平均分数和 13.93% 的平均成功率强势登顶 Leaderboard, 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)。
- VLABench:取得 state-of-the-art 表现, 平均成功率达到 59.1%, 平均进度得分达到 70.3%。
- RoboCasa 基准:平均成功率达到 74.5%, 超过 RLDX-1、Cosmos Policy、GR00T N1.6、Pi-0.5、Pi-0-FAST 等方法。
📊 行业观察: 具身智能的“基座模型”时代
Xiaomi-Robotics-1 的发布标志着小米在具身智能领域迈出重要一步。其“预训练 + 后训练”范式类似于大语言模型的发展路径, 通过大规模数据训练通用基座, 再通过少量数据适配具体任务, 有望大幅降低机器人应用开发的门槛。这种“开箱即用”的设计理念, 可能加速机器人在家庭、商业、工业等场景的落地。随着更多企业推出类似基座模型, 具身智能行业或将迎来类似 NLP 领域的“预训练 - 微调”生态变革。
🚀 总结
围绕“小米推出“开箱即用”机器人基座模型 Xiaomi-Rob”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
