小米具身基座模型发布小米发布具身基座模型Xiaomi-Robotics-1大学生喜爱内容共创计划 7月16日，小米发布第二代具身基座模型Xiaomi-Robotics-1，基于10万小时真实世界操作数据预训练，搭配约1.1万小时跨本体数据后训练，单张4090推理延迟仅80ms。这是小米具身智能三天三连发的压轴之作——14日机器人本体进厂实习，15日38B世界基础模型U0开源，16日Robotics-1收官。三个点连起来，是一套能自己转的系统。10万小时不是仿真数据，是自研UMI便携设备在1700多个家庭、商业、工业场景里采集的人类真实操作轨迹。面对这种量级，小米搭了一条VLM自动标注流水线，两周完成全量标注。更关键的是，团队用这套数据完整跑通了机器人版Scaling Law：数据从2500小时扩到2万小时，模型从2B扩到10B，动作预测损失持续下降，真实任务成功率同步提升——国内首次在机器人策略模型上系统证明"堆规模、涨能力"。双阶段训练设计得干净。预训练阶段学通用动作表征，不绑具体机器人型号；后训练做本体对齐和指令对齐。效果直接：四个新任务对打Pi-0.5——手机打包、打印机加墨、衣物装载、箱子打包——平均不到10小时微调，Robotics-1总体成功率75%，Pi-0.5只有40%。数据加到40小时，拉大到85%对53%。榜单同样碾压：RoboDojo 13.93%登顶（前最优8.80%），RoboCasa365 57.4%刷新前纪录46.6%，四个仿真基准全SOTA。但真正精巧的是U0和Robotics-1之间的闭环。U0不是控制机器人的模型，是造训练数据的引擎——38B参数，WorldArena 126款模型中总分第一。实测：用U0生成增强数据后，Pi-0.5在分布外场景成功率从36.9%跳到63.2%，近乎翻倍。这个模型在跨视角几何一致性上甚至胜过了GPT-Image 2.0。三天的逻辑串起来：机器人进厂跑出问题→U0把有限数据扩展到更多环境→Robotics-1从更大的数据里重新训练变强→进更多工站、产生新一轮问题。自己喂自己，飞轮转起来了。从2021年的铁蛋到如今第二代Robotics-1，小米用五年打通了"本体—数据—模型"全栈闭环。具身智能的终局如果真是软硬件数据一体化的系统战，小米亮的是整套牌。已开源，GitHub和HuggingFace可下载。校园v计划日常毕业时光簿我的元气假期夏日无限季 小米具身基座模型发布