小米發佈具身智能基底模型Xiaomi-Robotics-1，探索物理AI Scaling效應

**新聞稿：小米正式發布Xiaomi-Robotics-1 具身基底模型，以十萬小時真實數據驗證物理AI Scaling效應**

**（台北訊，2026年7月16日）** 小米集團今日正式對外發布其首款面向真實移動操作任務的具身智能基底模型——Xiaomi-Robotics-1（簡稱XR-1）。該模型以大規模真實世界數據預訓練為核心，結合跨本體遷移學習與後訓練對齊技術，系統性地驗證了「Scaling Law」在物理人工智慧領域的適用性，標誌著小米從單一硬體製造向「機器人大腦」自主研發的關鍵躍遷。長期以來，傳統機器人策略模型高度依賴特定硬體平台，其訓練數據多來自實驗室環境，規模有限且標註成本高昂，導致模型在真實場景下的泛化能力嚴重不足。

為突破此一瓶頸，小米團隊在Xiaomi-Robotics-1的預訓練階段大規模導入由自家開發的UMI（Universal Manipulation Interface）數據採集設備所擷取的真實世界軌跡。數據總量高達10萬小時，涵蓋家庭清掃、商業服務、工業巡檢等多元場景，為模型理解物理世界的動態變化提供了前所未有的廣度與深度。在數據處理流程中，小米引入高效能的視覺語言模型進行全自動標註。據了解，團隊僅耗時兩週便完成所有預訓練數據的語義對齊與動作標記，大幅縮短傳統人力標註所需數月甚至數年的週期。這項自動化標註管線不僅確保了數據一致性，也為後續模型迭代建立了可快速擴展的基礎。

後訓練階段則聚焦於本體遷移與指令對齊。小米使用約10,000小時跨機械臂、輪式底盤等不同本體形態的操作數據，對預訓練模型的表徵進行微調，使其在面對全新硬體平台時仍能保持穩定的操作能力。這項設計讓Xiaomi-Robotics-1達到「開箱即用」的表現，顯著降低具身智能在商用落地時所需的適配成本。為了驗證模型效能的規模化增長趨勢，小米同時釋出三種參數規模的版本，分別為2B、5B及10B。

實驗結果顯示，隨著訓練數據容量與模型參數量的同步提升，模型在未經訓練的全新場景任務成功率呈現明確的線性增長；在RoboCasa365、RoboDojo等多個業界公開仿真基準測試中，Xiaomi-Robotics-1全面刷新了先前的最佳成績（SOTA），尤其在長序列操作與動態障礙規避項目上表現亮眼。此次發佈不僅展現小米在物理AI研究層面的技術深度，更建構出一條完整的可規模化訓練路徑。該路徑以「大規模預訓練」為基礎，輔以「跨本體後訓練」，最終只要透過少量真實場景數據微調，即可適應特定商業需求。

小米團隊表示，這套範式成功解決了過去機器人模型「每換一個任務就要重新訓練」的痛點，為機器人從實驗室演示走向複雜真實世界提供了一個極具參考價值的產業級解決方案。隨著Xiaomi-Robotics-1的問世，小米在人形機器人與服務型機器人領域的策略拼圖亦更加完整。業界分析指出，透過將Scaling Law引入物理AI，小米正加速縮小與國際頂尖機器人研究機構的差距；未來若能在自動駕駛、智慧家電與製造產線等場景中實現數據飛輪閉環，XR-1有望成為全球首個兼具泛化性與經濟性的具身基礎模型。相關技術細節將於近期公開之學術論文與開源工具包中陸續披露。

小米集團高層透露，下一代模型已在研發中，將進一步挑戰更高維度的環境交互與多機器人協作任務，持續探索物理AI的邊界。