小米推出「Robotics-1」,內含 10 萬小時的具身訓練資料
小米機器人公司已發布「Robotics-1 視覺-語言-動作」模型,該模型經由超過 100,000 小時的真實世界軌跡數據進行訓練,旨在解決具身人工智慧在數據匱乏方面的瓶頸。

機器人產業之所以在很大程度上錯失了人工智慧的規模化熱潮,主要是因為一個根本性的限制:數據匱乏。當大型語言模型能夠吞噬整個網際網路的數據時,傳統的機器人軌跡標註卻仍需透過任務語義和語言註釋進行人工分割。這個勞動密集型的過程,限制了策略模型的擴展能力。 2026年7月16日,小米機器人發布了「Xiaomi-Robotics-1」——這款基於超過10萬小時真實世界操作軌跡訓練而成的即用型機器人基礎模型,證明了大規模無具身預訓練能夠突破機器人數據瓶頸。
小米機器人作為這家全球消費電子與智慧製造企業的機器人事業部,專注於開發先進的機器人系統與具身人工智慧。「小米-機器人-1」的發布,標誌著該公司在構建可擴展、通用型機器人控制模型方面邁出了重要一步。 該模型專為真實環境中的移動式操作任務而設計,例如家務工作,包括整理沙發、整理鞋櫃、收納廚具、手機包裝、印表機加墨、洗衣機裝衣及紙箱包裝等。 其核心技術成就在於證明:大規模的無具身預訓練能夠突破機器人數據瓶頸,實現可預測的擴展性,進而提升開箱即用的實機表現。
小米的數據與基準測試證據證實了什麼?而在報告所述的評估情境之外,哪些部分仍未得到證實?
小米的證據證實,大規模無具身化預訓練能提升開箱即用的真實機器人表現,並實現高數據效率,每項任務僅需不到 10 小時的示範即可達到 75% 的成功率。然而,該模型在非結構化、
在已報告的評估環境之外,其適用於新型環境的效果仍未經證實,因為訓練後評估主要依賴於在特定真實住宅中收集的內部數據。發布規模與訓練架構
Xiaomi-Robotics-1 的核心成就在於其龐大的訓練數據量。該模型是一個基於超過 100,000 小時真實世界操作軌跡所訓練的「視覺-語言-動作」系統。 此規模在開源機器人領域前所未見,並直接解決了長期阻礙通用機器人策略發展的數據匱乏問題。該模型的效能會隨著數據量與模型規模以可預測的方式提升,而這種擴展性意味著在未見環境中,開箱即用的真實機器人表現將更為優異。
訓練過程包含兩個截然不同的階段。預訓練階段利用 100,000 小時的「無具身性」軌跡,涵蓋超過 1,700 種情境,包括家庭、商業場所、工業場地及戶外空間。 為處理這龐大的資料集,我們採用由視覺語言模型驅動的自動標註流程來描述狀態轉換。 後訓練階段則使用超過 10,000 小時的跨具身化資料集,其中包含在真實住宅中收集的超過 7,200 小時內部真實機器人資料、經過篩選的開源機器人資料,以及高品質的非具身化資料。 此階段旨在將模型與真實機器人實體及遵循指令的能力進行對齊。
其底層架構採用「變換器混合模型」(Mixture-of-Transformers),將預訓練的視覺語言模型(具體為 Qwen3-VL)與擴散變換器(diffusion transformer)相結合。此組合使模型能夠處理複雜的視覺與語言輸入,並將其轉化為精確且連續的控制動作。 其中,擴散變壓器的應用尤為值得注意,因為它能夠生成平滑的、
高精度的運動軌跡,這對於精細的操作任務至關重要。這種架構選擇反映了「具身人工智慧」研究社群中日益形成的共識:將大型語言模型的推理能力與擴散模型的生成能力相結合,是邁向通用機器人控制最具前景的道路。將技術複雜性轉化為人類關切
試想你正試圖教導一個孩子打掃房間,但你只能示範如何撿起特定角落裡的一件特定玩具。 一旦你移動玩具或更換房間,孩子就會完全不知所措。這正是傳統機器人的學習方式——它們需要針對任務的每種變體,都進行費時費力的手動指導。「小米機器人-1」則透過讓機器人觀看 10 萬小時的人類在數千個不同房間中做家務的影片,徹底改變了這種狀況。 機器人不再僅學習某個特定動作,而是掌握「整理」這個通用概念,使其能更快地適應新的房間和新的物件。這彌合了狹隘的程式化動作與通用且具適應性的行為之間的鴻溝。
這種從任務特定程式設計到泛化學習的轉變,正是具身人工智慧的核心承諾。這意味著機器人最終能夠部署在從未見過的環境中,執行未經明確程式設計的任務。對醫院管理人員而言,這代表機器人無需預先繪製路線,便能穿梭於擁擠的走廊並運送物資。 對倉庫經理而言,這意味著系統能處理新型包裝,而無需耗費數週重新編程。這項技術對人類的影響深遠,因為它有潛力將廣泛的體力勞動自動化,從根本上改變工作的本質與生產力。
部署實況:實證與
模擬基準測試儘管這些基準測試結果令人印象深刻,但必須區分在受控環境中經過驗證的能力,與在真實世界中的部署實證。 該模型在四項主流模擬基準測試中均取得業界最先進的成績:RoboCasa(74.5%)、RoboCasa365(57.4%)、VLABench(59.1%)以及 RoboDojo(13.93)。 該模型同時展現出極高的資料效率,平均每項新任務僅需不到 10 小時的示範訓練即可完成適應。
然而,實際部署的狀況往往比模擬基準測試所呈現的更加複雜。訓練後的階段高度依賴於在真實住宅中收集的、超過 7,200 小時的內部真實機器人數據。儘管這是一組規模可觀的數據集,但它所涵蓋的環境仍屬有限。 對 Xiaomi-Robotics-1 的真正考驗,將在於其在與訓練資料有顯著差異的非結構化、新穎環境中的表現。成功示範與可靠且可擴展的部署之間的差距,仍是機器人產業面臨的一道重大障礙。
許多觀察家認為,在基準測試中取得高成功率,便能直接轉化為商業可行性。但殘酷的現實是,在大多數商業應用中,75% 的成功率是無法接受的。在製造環境中,一臺有 25% 機率會掉落零件的機器人,是負擔而非資產;而在醫療環境中,對錯誤的容忍度更是低得多。 要將研究突破轉化為可部署的產品,必須彌合這道可靠性鴻溝,這通常涉及大量針對特定場地的工程設計以及嚴格的安全測試。基準測試雖能證明模型具備高效學習能力,卻無法證明其已準備好在關鍵應用中進行無監督部署。
開放式機器人技術堆疊與效能指標之比較
該官方報告將「小米機器人-1」與 pi0 基準模型進行對比,強調其在任務成功率方面有顯著提升,特別是在僅需極少實機示範即可適應新任務的情況下。

註:數據基於僅需極少實機示範即可高效適應新任務的情況。在小米-Robotics-1 官方報告中,pi0 被用作主要基準模型。
此項比較顯示出資料效率的顯著飛躍。僅憑不到 10 小時的任務專屬資料便達成 75% 的整體成功率,這是一項關鍵里程碑。這表明預訓練階段已成功使模型具備對物理互動的穩健理解,使其能夠從少量示範中進行泛化。 這一點在洗衣機裝載等複雜任務中尤為明顯,Xiaomi-Robotics-1 在此類任務中達到了 80% 的成功率,而基準模型的成功率僅為 40%。
對自動化採購方的商業與營運影響
Xiaomi-Robotics-1 作為開源模型發布,並公開了原始碼與模型權重,這對機器人研究人員和開發者具有重大意義。透過提供基於龐大資料集訓練而成的即用型基礎模型,小米降低了開發先進機器人系統的門檻。這有望加速各產業新應用與部署的發展。
「Xiaomi-Robotics-1 證明了大規模的無具身預訓練能夠突破機器人數據瓶頸,實現可預測的擴展性,進而提升開箱即用的實體機器人性能。」
對於採購團隊而言,
對於自動化採購者而言,像 Xiaomi-Robotics-1 這樣的開源基礎模型問世,帶來了新的考量因素。雖然這些模型具備強大的功能,但在部署及調整以適應特定應用場景時,仍需具備相當程度的技術專業知識。該模型需要經過兩階段的訓練流程,且採用複雜的架構。 採購方必須權衡這些先進模型的潛在效益,以及整合過程中的挑戰與對專業工程人才的需求。此外,此次發布的開源性質改變了機器人市場的競爭格局。它透過提供一種功能強大、可自訂且無需支付授權費即可部署的替代方案,對專有模型構成了挑戰。 然而,總擁有成本必須納入訓練後階段與推論所需的運算資源,以及將模型整合至特定硬體平台所需的工程投入。
機器人產業正從狹隘、針對特定任務的程式設計範式,轉向通用且以數據為驅動的學習模式。「小米機器人-1」正是這項轉變的明確訊號,展現了大規模數據收集與預訓練的強大威力。 隨著這些模型持續改進並變得更易取得,它們將從根本上改變機器人的開發、部署以及融入我們日常生活的方式。隨著系統的智慧化成為主要差異化因素,焦點將日益從硬體設計轉移至資料蒐集與模型訓練。
本分析綜合了企業聲明以及公開的市場或政策資訊。
免責聲明:本文僅供參考之用,並不構成投資、財務、法律、採購或其他專業建議。讀者應自行核實規格、價格、供貨狀況、法規
在做出決定之前,請直接與相關公司或主管機關確認相關要求及商業條款。











