小米开源具身智能基础模型Xiaomi-Robotics-1（4分钟阅读）

# 小米开源具身AI基础模型Xiaomi-Robotics-1 来源：https://insideai.news/news/robotics/xiaomi-open-sources-embodied-ai-foundation-model-xiaomi-robotics-1/7082/ **2026年8月5日**，(Inside AI)——**小米**已将其具身AI基础模型**Xiaomi-Robotics-1**开源。科技账号今日宣布了这一举措，涵盖了从真实机器人后训练到模型部署的完整流程。还包含了基准评估的代码。 此次发布面向构建通用机器人智能的机器人开发者与研究人员。Xiaomi-Robotics-1 在超过**10万小时**的**UMI数据**上进行了预训练，并在超过**1万小时**的跨具身数据上进行了后训练。该模型于7月首次亮相，被定位为具身AI的“开箱即用”基础模型。 此举为被专有系统主导的领域注入了一个重要的开源竞争者。它挑战了**Figure AI**和**特斯拉**等公司的“围墙花园”模式，同时与**Hugging Face**旗下**LeRobot**等项目的开源理念保持一致。此次发布包含项目网站、**GitHub**仓库和**Hugging Face**页面，降低了实验门槛。 ## 小米的发布为何挑战专有机器人巨头 时机至关重要。具身AI——旨在赋予物理机器人可泛化智能的探索——已取得快速进展，但仍呈碎片化。大多数领先模型都被锁在企业壁垒之后。通过开源完整的后训练与部署流程，小米提供了一个罕见的端到端蓝图。研究人员现在可以审视这家消费电子巨头如何应对仿真到现实迁移和多具身学习。 该模型的训练方案尤其值得关注。**10万小时**的**通用操作接口（UMI）**数据表明其注重多样化的可扩展数据采集。UMI是一种从人类演示中收集机器人操作数据的框架，因其简洁性而获得广泛采用。将其与跨具身后训练相结合，表明他们致力于构建一个能适应不同机器人硬件的模型——这是该领域的“圣杯”。 “此次发布涵盖了从真实机器人后训练到模型部署的全过程，并包含相关基准评估的代码，”公告中表示。这种透明度可能加速基准测试工作。在具身AI领域，标准化评估仍是一个痛点，因为任务和环境差异巨大。小米附带的基准代码或能推动社区采用更一致的指标。 ## 开源机器人模型虽有代码发布，仍面临采用障碍 然而，此次发布并非没有缺口。公告缺少模型架构、参数数量或具体基准的细节。没有性能基线，开发者必须投入大量时间才能评估其实际效用。对UMI数据的依赖也引发了对领域泛化的质疑。UMI采集的数据可能带有噪声，且局限于桌面任务，可能将模型限制在狭窄的操作场景中。 竞争中的开源项目情况参差不齐。**Google DeepMind**的**RT-2**模型虽未完全开源，但已凭借网络规模的视觉-语言数据树立了性能标杆。**Meta**的**Habitat**模拟器提供了强大的评估框架，但缺乏统一的基础模型。小米的发布介于两者之间，更像一个实用的、面向部署的工具包，而非研究基准的领跑者。 行业历史让预期趋于冷静。开源模型很少能保证被广泛采用。**OpenAI**分阶段发布**GPT-2**的决定曾引发争议，但最终促成了一个生态系统。然而在机器人领域，硬件多样性和安全担忧常常拖慢社区采用速度。小米在仿人机器人方面的雄心——以其**CyberOne**平台为展示——表明此次发布或许也是吸引人才和打造生态的一步棋。 更大的背景是，中国正在加速推进具身AI。政府倡议和强大的制造业基础为开源机器人创造了肥沃土壤。小米此举可能促使**华为**和**阿里巴巴**等其他中国科技巨头跟进。目前，代码已上线 GitHub (https://github.com/) 和 Hugging Face (https://huggingface.co/)，邀请全球在其基础上构建。