小米在最近三天内，密集展示了其在机器人具身领域的最新成果。继亮出人形机器人工厂成绩单、开源发布具身生成模型Xiaomi-Robotics-U0之后，现在，具身基座模型Xiaomi-Robotics-1也正式宣告发布。
Xiaomi-Robotics-1的特别之处在于，它是小米第一个用10万小时真实世界数据喂出来的机器人策略模型。整个训练过程遵循一个清晰的两阶段范式：先用大规模UMI数据进行预训练，再结合跨本体机器人数据进行后训练。经过这一整套流程，模型已经能在从未见过的环境和物体条件下，仅凭自然语言指令就完成鞋柜收纳、桌面整理这类移动操作任务。真机测试的结果相当亮眼——在四项复杂任务中，它的平均成功率大幅超越了行业标杆模型π0.5。
测评数据也能说明问题。在国际权威基准RoboDojo上，Xiaomi-Robotics-1以20.07的平均分数和13.93%的平均成功率强势登顶，直接刷新了此前行业最优方法保持的13.07分/8.80%成功率的纪录，可以说是“断档式”领跑。而在更具挑战的RoboCasa基准上，它同样以57.4%的平均成功率拿下全球第一。
能力跃升背后，规模化训练的收益是实打实的。在预训练阶段，小米具身智能团队观察到，随着预训练数据量和模型规模的持续提升，任务成功率呈现出清晰的Scaling趋势。换句话说，机器人策略模型同样存在可预测的规模化收益。
那么问题来了：10万小时真实数据到底意味着什么？它又如何首次系统性验证了具身智能的Scaling Law？
小米官方透露，Xiaomi-Robotics-1的开发初衷之一，就是想验证一个在具身智能领域长期悬而未决的问题：如果机器人策略模型能获得足够大规模、足够多样化的真实世界操作数据，它是否也能像大模型一样进入Scaling Law时代？
Scaling Law其实不难理解——"只要持续增加训练数据、扩大模型参数规模，AI的能力就会呈现可预测的稳定提升，不会轻易碰到天花板"。ChatGPT这类大语言模型的爆发，本质上就是这条规律的胜利。
但具身智能的难点在于数据本身。不同于大语言模型可以通过互联网近乎免费地获取海量文本，机器人训练数据严重依赖具体硬件、真实环境和人工遥操，成本高、规模小，这就天然限制了验证机器人Scaling Law的路径。
为了解决这个问题，小米开创了一套“10万小时无本体UMI数据+规模化自动标注流程”的预训练模式。所谓“无本体UMI数据”，就是不依赖机器人本体采集的数据，从根本上破解了数据采集昂贵的难题，为积累10万小时真实操作数据奠定了基础。面对如此规模的海量数据，传统人工标注显然不现实，于是小米又设计了一个可规模化的自动标注流程，在不到两周的时间里，就完成了全量10万小时数据的高质量标注。
结果很明确：10万小时真实世界数据叠加高质量标注，让Xiaomi-Robotics-1在数据规模实验中，彻底“坐实”了具身智能领域的Scaling Law。实验数据显示，无论是增加数据量还是扩大模型参数，模型的动作预测精度都会稳定提升。当UMI数据量从2500小时逐步增加到20000小时，模型在验证集上的动作预测损失持续降低；当模型参数从2B逐步提升至10B，其动作预测能力也在持续改善。
这传递出一个关键信号：对于机器人策略模型来说，扩大真实世界操作数据和模型容量，确实能带来可观测的性能收益。而且这个收益并不只是体现在离线指标上——后续真实机器人实验表明，预训练阶段更强的模型，在完成后训练时，真实任务中的表现也更好。
到了后训练阶段，小米具身智能团队又为模型设计了“双对齐”策略：先是本体对齐，把预训练阶段从UMI数据中获得的动作生成能力，迁移到真实机器人本体上；然后是指令对齐，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小时的跨本体后训练数据，其中包括7200多小时移动操作机器人和双臂机器人数据、1000多小时人工标注UMI数据，以及Bridge V2、RT-1、DROID等公开机器人数据集。
最终呈现的Xiaomi-Robotics-1，展现出了“开箱即用”的能力——在真实环境中，它可以直接根据自然语言指令执行多类移动操作任务。更重要的是，作为一个基座模型，它提供的是一套“通用能力起点”，而不是只会做固定几件事。当遇到复杂的新任务时，你不需要从零采集几百小时数据重新训练，只需要使用少量下游数据进行微调就能快速上手。真机测试中，在每个任务平均数据时长不足10小时的条件下，Xiaomi-Robotics-1在四个任务中均大幅超越了行业标杆模型π0.5。这说明，“先训练通用基座，再用少量数据适配任务”这种方式，效率明显优于传统方法。对于企业和开发者而言，新任务的开发成本和周期因此显著降低。
可以说，除了验证具身智能Scaling Law之外，Xiaomi-Robotics-1更大的意义在于：它明确了一条面向具身智能的可规模化训练路径。先通过大规模预训练学习通用动作生成表征，再通过跨本体机器人数据后训练将能力迁移到真实机器人，最后通过少量下游数据微调快速适配复杂新任务。从仿真测试与真机测试的结果来看，这条路径充分说明，机器人策略模型有机会从过去依赖小规模、任务定制数据的训练方式，走向更接近基座模型的训练范式。
如果回顾小米过去三天的动作，你会发现，小米在具身智能领域的布局远不止训练出一个好用的基座模型那么简单。从机器人在汽车工厂的新进展，到统一的生成模型，再到今天的基座模型——小米完成了具身智能“本体—数据—模型”的三层拼图。硬件本体验证了机器人在真实工业场景的落地能力，数据层解决了训练数据稀缺和生产成本高的瓶颈，模型层则确立了可规模化提升的基座范式。三者串联起来，一条从数据积累到模型进化、再到真机落地的完整闭环，已经清晰可见。
