时间：2026年8月5日
地点：北京（中国）
人物：小米技术官方微博；小米创办人、董事长兼CEO雷军；小米机器人团队
事件详情：
小米技术8月5日正式宣布，旗下具身基座模型 Xiaomi-Robotics-1 正式开源。本次开源覆盖从真机后训练到模型部署的完整流程，同时提供相关 Benchmark 的评测代码。项目代码已在 GitHub 及 Hugging Face 平台同步上线。Xiaomi-Robotics-1 基于超过 10 万小时 UMI 数据进行预训练，并使用超过 1 万小时跨本体数据进行后训练，采用预训练+后训练的两阶段训练范式。在预训练阶段，模型学习通用动作生成能力——给定当前视觉观察和语言描述，预测一段动作序列使场景从当前状态向目标状态变化；后训练阶段则用约 1 万小时跨本体数据，让模型在不同机器人本体上都能开箱即用执行多类移动操作任务。
背景：
今年 7 月 16 日，小米技术正式发布 Xiaomi-Robotics-1，基于 10 万小时真实世界操作数据预训练，结合跨本体后训练，实现具身基座模型的「开箱即用」。雷军当时发文称小米机器人团队已在具身基座模型领域初步验证了 Scaling Law 效应。Xiaomi-Robotics-1 由小米机器人团队独立完成，论文已在 arXiv 公开，是国内首个全流程开源、面向真实移动操作任务的视觉-语言-动作（VLA）基座模型，覆盖家庭、商业、工业、户外等多类 UMI 数据采集场景。小米自 2022 年起布局具身智能赛道，先后推出 CyberOne 人形机器人、CyberDog 2 四足机器人，并已开源 CyberGear 微电机控制协议及 80% 机器人相关代码。
影响：
- 降低机器人研发门槛：本次开源交付完整训练流水线代码、多版本模型权重（2B 轻量化版本至 10B 大参数量版本）、仿真+真机双环境推理部署代码、四大国际主流评测基准脚本以及自研自动动作数据标注工具链，被业内视作机器人领域的「国产安卓系统」，从高校科研团队到机器人中小企业均可免费商用二次开发。
- 验证 Scaling Law 普适性：测试显示随数据与模型参数规模提升，动作预测损失持续降低，首次系统验证了规模法则在具身基础模型领域的可行性，为后续具身基础模型迭代提供了重要路径。该模型在 RoboCasa365、RoboDojo、VLABench 等公开仿真评测中均取得领先成绩，综合排名全球第一。
- 推动国产具身智能生态建设：补齐国产具身智能通用基座短板，加速人形机器人、机械臂、服务机器人从实验室走向真实场景，将与小米已有的 CyberGear 微电机控制协议及 80% 机器人开源代码共同构建机器人软硬件生态闭环。
- 跨本体通用能力实用化：模型可在未见过的真实环境中根据自然语言执行多类移动操作任务，新任务只需少量数据就能快速适配；仅在每项任务平均不到 10 小时演示下整体成功率即可达 75%（π0.5 基线为 40%），当预算提升到每项任务平均不到 40 小时时成功率提升至 85%。
总结：
Xiaomi-Robotics-1 全流程开源标志着小米完成了「本体、数据、模型」完整布局，将推动机器人走向更开放、更复杂的真实世界。该模型让不同构型的机器人本体无需针对特定硬件重新训练即可用一句话直接干活，被视为国产具身智能领域里程碑级成果，将进一步降低人形机器人、操作机器人和服务机器人的研发门槛，加速国内具身智能产业从技术验证迈向规模化量产。
参考来源：
- https://robotics.xiaomi.com/xiaomi-robotics-1.html
- https://github.com/XiaomiRobotics/Xiaomi-Robotics-1
- https://huggingface.co/collections/XiaomiRobotics/xiaomi-robotics-1
- https://arxiv.org/abs/2607.15330
- https://new.qq.com/rain/a/20260805A0AWL300
- https://new.qq.com/rain/a/20260805A0AEPJ00
- https://m.163.com/dy/article/L3J2TFU60556I485.html
- https://m.163.com/dy/article/L3JEI21A05118A8G.html
- https://m.itbear.com.cn/html/2026-08/1483036.html
- https://m.sohu.com/a/1059112106_115831
- https://m.ebrun.com/692482.html