小米具身基座模型 Xiaomi-Robotics-1 正式開源

小米技術官方微博於今（5）日正式宣布，旗下具身基座模型 Xiaomi-Robotics-1 已全面開源，開放給全球開發者與研究機構使用。這是小米在機器人與人工智慧領域的重要里程碑，象徵其從模型研發走向生態共享的關鍵一步。 Xiaomi-Robotics-1 以超過 10 萬小時的 UMI 數據進行預訓練，並進一步利用超過 1 萬小時的跨本體數據進行後訓練，使模型能夠在不同機器人平台上展現高度適應性。UMI 數據涵蓋真實世界中的操作行為，為模型提供豐富的環境互動經驗；跨本體數據則讓模型學習從不同機構、不同感測器配置的機器人身上擷取共通特徵，從而提升泛化能力。 本次開源內容涵蓋從真機後訓練到模型部署的完整流程，不只釋出模型權重與訓練程式碼，還提供相關 Benchmark 的評測程式碼，讓開發者可以自行驗證模型效能，並針對特定場景進行微調。這意味著學術界與產業界都能直接取用小米的技術成果，大幅降低進入具身智慧研究的門檻。 小米同步公開了專案網站、GitHub 與 Hugging Face 等平台的連結，方便開發者下載與參考。項目網站提供模型架構說明與使用指引；GitHub 儲存庫包含訓練腳本、部署範例與文件；Hugging Face 上則釋出預訓練權重與模型卡片，支援社群協作。 回顧今年 7 月，小米技術才剛正式發表 Xiaomi-Robotics-1，當時即強調其「開箱即用」的特性，如今進一步開源，等於將這個能力直接交到開發者手中。從發表到開源僅間隔約一個月，顯示小米在具身智慧領域的技術成熟度與開放策略已相當明確。 具身基座模型是機器人從專用工具走向通用任務的關鍵基礎。傳統機器人往往需要針對每個動作或環境重新編寫程式，而基座模型透過大量數據學習通用操作技能，能適應不同場景與任務。Xiaomi-Robotics-1 正是瞄準這個方向，讓機器人不需要繁複的調校就能執行抓取、組裝、搬運等動作。 這次開源對機器人研究社群而言是一大福音。過去要訓練一個具身模型往往需要昂貴的數據收集與運算資源，現在小米直接提供經過大規模預訓練的模型，並附上完整的後訓練流程，讓即使資源有限的小型實驗室或新創團隊也能快速上手。加上 Benchmark 評測程式碼，更能客觀比較不同模型的效果。 UMI 數據的規模與品質是 Xiaomi-Robotics-1 的核心優勢之一。超過 10 萬小時的真實操作數據，涵蓋日常家居、工廠產線、服務場景等多種環境，模型從中學習到人類操作的精細動作與決策邏輯。而跨本體後訓練則讓模型能適應不同機器人的運動學、夾爪設計與感測器配置，避免「換一個機器人就失效」的困境。 小米在機器人領域的布局已非一日。從早期的小米機器人、CyberDog 到 CyberOne，再到如今開源具身基座模型，小米逐步建構起從硬體到軟體、從產品到平台的完整生態。此次開源不僅是技術分享，更可能吸引更多第三方開發者基於小米平台開發應用，形成良性循環。 業界分析指出，開源基座模型有助於加速機器人產業的標準化與協作化。當更多團隊使用同一套基礎模型，共享數據與演算法，就能更快累積經驗、發現問題、共同改進。小米的開放姿態，也呼應了當前人工智慧領域「開放研究、共享成果」的主流趨勢。 對於開發者而言，現在就可以前往 GitHub 或 Hugging Face 下載 Xiaomi-Robotics-1，並根據官方提供的文件進行部署。小米也鼓勵使用者將評測結果回饋給社群，進一步豐富 Benchmark 的參考價值。未來，這個模型是否會持續迭代、是否會推出針對特定行業的版本，都值得關注。 從技術層面來看，Xiaomi-Robotics-1 的開源也為具身智慧領域樹立了一個可複製的範例：如何從真實世界數據中提煉通用技能，再透過跨本體訓練讓模型具備遷移能力。其他企業或研究機構若想發展類似模型，可以參考小米的流程與程式碼，降低重複造輪子的成本。 總體而言，小米此次開源不僅是產品層面的發布，更是一種生態策略的展現。透過將核心模型開放，小米有望吸引更多開發者加入其機器人生態，並在實際應用中持續優化模型。對於機器人技術的普及與進步，這個決定無疑具有正面意義。