小米公司近日正式推出具身智能基座模型Xiaomi-Robotics-1，该模型通过创新性的双阶段训练架构，在真实机器人任务中展现出卓越的泛化能力与规模化应用潜力。基于10万小时跨场景操作数据构建的预训练体系，结合跨本体数据后训练技术，模型在未接触过的环境中仍能稳定执行复杂指令，为家庭服务机器人领域带来突破性进展。
在技术架构层面，Xiaomi-Robotics-1采用"预训练+后训练"的递进式开发模式。预训练阶段通过UMI设备采集覆盖家庭、办公等场景的10万小时操作轨迹数据，构建出具备通用动作生成能力的表征模型；后训练阶段则整合7200小时移动操作机器人数据及公开数据集，形成约1万小时的跨本体训练语料，实现模型指令理解与硬件控制的精准对齐。这种设计使机器人能够直接响应"整理沙发""收纳餐具"等自然语言指令，无需针对特定任务进行专门编程。
国际权威评测数据显示，该模型在多个仿真基准测试中刷新纪录：在RoboCasa365测试中以57.4%的平均成功率登顶，较此前最优水平提升23%；RoboDojo测试中取得20.07分的综合得分，成功率达13.93%；在VLABench等基准测试中也保持领先优势。实验表明，当预训练数据量从2500小时扩展至2万小时、模型参数规模从20亿提升至100亿时，动作预测误差持续下降，真实场景任务成功率同步提升。在新任务适配测试中，仅需不足10小时的微调数据即可显著超越对比模型Pi-0.5的性能表现。
据技术团队介绍，Xiaomi-Robotics-1的核心优势在于其跨场景迁移能力。通过大规模真实数据训练，模型能够理解不同环境中的空间关系与操作逻辑，例如在从未见过的厨房布局中仍能准确完成餐具分类收纳。这种泛化能力得益于训练数据中包含的丰富场景变体，以及后训练阶段采用的跨本体对齐技术。小米方面透露，该模型的代码库与训练权重将分阶段向学术界和产业界开放，为机器人智能体开发提供基础框架支持。
