Xiaomi-Robotics-1

数据配方

预训练：100k+ h UMI 轨迹与视觉语言数据按 VL:UMI = 1:9 采样。后训练约 1 万小时：自有移动操作与双臂真机 7.2k+ h、1k+ h 带人工标注的指令 UMI、开源数据（Bridge V2、RT-1、DROID），采样权重 VL : 开源 : 指令 UMI : 自有真机 = 0.5 : 0.5 : 0.5 : 8.5，真机 85% [1]。全语料用 Qwen3.5-27B 打字幕，约两周。

结果与证据

数据 scaling 实验在约 20k h UMI 子集上做（12.5/25/50/100%），后训练成功率从无动作预训练的 26% 升到 75%；5B（5.1B 参数）与 10B 整体成功率为 75% 与 79%，增益小于加数据。RoboCasa365 57.4%（此前最佳 46.6%），RoboDojo 20.07（此前 13.07）[1]。

已知缺陷与口径

"真机约 7%"是按小时粗算（7.2k/100k+），而采样权重中真机为 85%，两者不是同一口径。论文未讨论运动学可行性过滤，仅去空闲片段。权重已开源（Apache 2.0 仅见二手报道），训练语料未公开。

来源

1. arXiv 2607.15330 (2026-10-14)
2. https://the-decoder.com/xiaomi-robotics-1-shows-that-more-data-beats-bigger-models-when-training-robots-to-move/ (2026-10-14)