物理AI领域正迎来一场关键变革，小米近日发布的Xiaomi-Robotics-1具身基座模型，为机器人行业突破发展瓶颈提供了全新思路。传统机器人训练依赖小规模、单任务数据，导致开发效率低下且场景适应能力有限，而该模型通过系统性验证Scaling Law，推动行业向数据与模型规模双驱动的工业化阶段迈进。
在数据构建层面，小米突破性地采用人类操作轨迹替代纯机器人数据。通过自研的UMI便携式采集设备，团队记录了10万小时真实环境中的操作数据，覆盖家庭、办公、工业等多场景。这种数据采集方式不仅成本更低，且能捕捉更丰富的交互行为。为解决海量数据的标注难题，研究团队构建了视觉语言模型驱动的自动标注流水线，将长轨迹切分为片段并描述状态变化，使模型从“模仿动作”升级为“理解状态迁移”。
实验数据显示，当预训练数据规模从2500小时扩展至2万小时，模型在验证集上的动作预测损失显著下降，参数规模从20亿提升至100亿时，任务成功率同步提升。在未见过的家庭环境中，机器人完成鞋柜收纳、书包整理等复杂任务的成功率提高37%，证明规模化训练带来的收益可有效迁移至真实场景。这是国内首次在机器人策略模型领域系统验证Scaling Law，标志着机器人能力提升进入可量化预测的新阶段。
针对跨本体适配难题，小米创新提出“预训练+后训练”双阶段范式。预训练阶段，模型从海量人类操作数据中学习抓取、整理等底层物理规律，形成通用动作表征；后训练阶段则通过1.1万小时跨本体数据完成两项关键对齐：一是将通用能力映射至不同机器人的控制空间，二是建立自然语言指令与动作执行的关联。这种设计使模型具备“开箱即用”能力，在陌生环境中仅需自然语言指令即可完成整理沙发、收纳桌面等任务，且预训练数据量越大，场景适应能力越强。
在复杂任务适配方面，该模型展现出显著优势。经微调的模型在处理新任务时，平均仅需不足10小时数据即可达到高性能，较从零训练的模型效率提升5倍以上。这种快速适配能力源于模型学到的可泛化物理规律，而非固定动作模板，为机器人开发模式从“任务定制”转向“基座迭代”提供了技术支撑。
国际权威基准测试进一步验证了模型实力。在极具挑战性的RoboDojo仿真评测中，该模型以20.07的平均得分和13.93%的成功率登顶，较此前最优方法提升53%；在覆盖365种真实家庭场景的RoboCasa365基准中，其57.4%的平均成功率刷新纪录，较谷歌团队保持的最佳成绩提高23%。特别是在组合泛化任务中，模型展现出强大的任务拆解与重组能力，证明其已具备通用具身智能的核心特征。
小米近期在机器人领域的系列突破，已形成“本体-数据-模型”的技术闭环。从进厂实习的工业机器人到统一生成模型Xiaomo-Robotics-U0，再到具身基座模型Xiaomi-Robotics-1，三条技术路线相互支撑，构建起覆盖硬件、数据采集、算法训练的全链条能力。这种系统化布局为中国机器人产业提供了工业化发展范式，当数据生产实现规模化、模型迭代形成流水线，具身智能的商业化落地或将加速到来。当前，该模型已开放项目主页供全球研究者协作，其技术路径的可行性正引发行业广泛关注。
