机器人训练组合拳 小米发布基座模型Robitcs-1
我国小米发布具身智能基座模型Xiaomi-Robotics-1，以十万小时真实世界数据按两阶段训练范式，在复杂操作任务中平均成功率显著超越行业标杆π0.5，并刷新RoboDojo和RoboCasa基准纪录，首次验证了具身智能的规模化可预测收益。
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。
Postman是一套面向API全生命周期的开发与测试平台，可在Mac上发送和调试多种协议请求，管理集合、环境及认证信息，并完成脚本测试、模拟服务、监控、文档发布和团队协作。它适合开发、测试及运维人员使用，提供个人免费方案。
Docker Desktop 是 Docker 官方为 Mac 提供的容器开发环境，集成 Docker Engine、命令行工具、Compose、Build、Kubernetes 与图形化管理界面。
Android Studio 是 Google 面向安卓应用开发提供的官方集成开发环境，基于 IntelliJ IDEA 构建。它整合智能代码编辑、Gradle 构建、界面预览、设备模拟、性能分析、调试测试及 APK 分析等工具。
Xcode 是苹果面向 Mac 提供的官方集成开发环境，将代码编辑、项目构建、SwiftUI 实时预览、设备模拟、自动化测试、断点调试、性能分析和应用分发整合在同一套工作流中，适合开发与维护 iPhone、iPad、Mac、Apple Wa
JetBrains WebStorm 是面向 JavaScript、TypeScript 和现代 Web 技术的专业集成开发环境，可智能理解项目结构，提供代码补全、重构、错误检查、运行调试、测试及 Git 工具。
PhpStorm 是 JetBrains 推出的专业 PHP 集成开发环境，可在 Mac 上完成代码编写、智能检查、重构、调试、测试和数据库管理。它支持主流 PHP 框架、Composer、Git、Docker 与远程解释器。
JetBrains PyCharm 是面向 Python 开发者的集成开发环境，提供智能补全、代码检查、重构、调试、测试、版本控制及虚拟环境管理功能。Mac 版兼容 Intel 与 Apple 芯片，核心功能可免费使用。
IntelliJ IDEA 是 JetBrains 推出的专业集成开发环境，重点服务于 Java、Kotlin 与 JVM 项目开发。软件集成代码补全、静态检查、重构、调试、测试、版本控制及构建工具，并可借助插件扩展语言和框架支持。
Visual Studio Code 是微软提供的免费代码编辑器，支持 macOS，并为 Intel 与 Apple 芯片 Mac 提供适配版本。软件集代码编辑、调试、Git 源代码管理、集成终端和扩展市场于一体。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Pro Tools 是 Avid 推出的专业数字音频工作站，覆盖多轨录音、无损剪辑、MIDI 编曲、插件处理、自动化混音及声音与画面同步等工作。它拥有 Intro、Artist、Studio 和 Ultimate 等方案。
Postman 是面向 API 全生命周期的开发与协作平台。Windows 桌面版可用于构建和发送 HTTP、GraphQL、gRPC、WebSocket、MQTT 等请求，并提供环境变量、集合、脚本测试、模拟服务、监控、文档及团队工作区等
Docker Desktop 为 Windows 开发者提供集成式容器环境，内置 Docker Engine、命令行工具、Compose、Build 与 Kubernetes 等组件，可在本机完成镜像构建、容器运行、日志查看和资源管理。
Android Studio 是 Google 面向 Android 应用开发提供的官方集成开发环境，以 IntelliJ IDEA 为基础，集成智能代码编辑、Gradle 构建、设备模拟、界面预览、调试测试及性能分析工具，
WebStorm 是 JetBrains 面向 JavaScript、TypeScript 和现代 Web 技术打造的集成开发环境。它提供项目级代码分析、智能补全、安全重构、导航搜索，并集成调试、测试、终端、Git 与常用前端工具，
PhpStorm 是 JetBrains 面向 PHP 与现代 Web 开发打造的专业集成开发环境，提供代码补全、静态检查、重构、调试、测试、数据库、版本控制及前端语言支持。Windows 用户可直接下载安装程序，
PyCharm 是 JetBrains 推出的 Python 集成开发环境，提供智能代码补全、错误检查、重构、调试、测试、Git、终端及 Jupyter Notebook 支持。统一版安装后可体验 30 天 Pro 功能，
JetBrains IntelliJ IDEA 是以 Java、Kotlin 和 JVM 项目为核心的专业集成开发环境，提供智能补全、代码检查、安全重构、调试、测试、版本控制及构建工具集成。统一发行版的核心功能可免费用于商业和非商业项目，
Visual Studio Code 是微软推出的免费代码编辑器，Windows 版集成智能补全、代码导航、调试、终端和版本控制，并可通过扩展添加语言、格式化及远程开发能力。它启动较快、配置灵活，
REAPER 是 Cockos 推出的数字音频工作站，适用于录音、MIDI 编曲、音频编辑、混音、母带制作及声音设计。软件安装包小巧，支持多轨录制、灵活路由、自动化、第三方插件和脚本扩展，并提供完整功能的 60 天免费评估期。
Adobe Audition 是面向播客、影视后期、广播与音乐制作的专业音频工作站，提供波形编辑、多轨混音、频谱分析、录音、降噪修复和效果处理等功能。Windows 版通过 Adobe Creative Cloud 安装和管理，
Pro Tools 是 Avid 推出的专业数字音频工作站，提供多轨录音、音频剪辑、MIDI编曲、插件处理、自动化混音及影视声音制作能力。它适合音乐人、录音师、制作人和音频后期团队使用，并提供免费入门版、订阅方案及永久授权选择。
Cubase 是 Steinberg 推出的数字音频工作站，提供 MIDI 编曲、多轨录音、音频编辑、虚拟乐器、效果处理、自动化、混音和母带输出工具。其 Pro、Artist 与 Elements 版本面向不同预算和制作规模，