小米这次把机器人训练里最贵的一块摊开了：10万小时真实世界操作轨迹。
它不面向聊天框，也不靠发布会舞台动作取胜。Xiaomi-Robotics-1要回答的更窄，也更硬：机器人策略模型能不能像大语言模型那样，靠数据规模和模型规模稳定变强？
官方项目页给它的定义很直接：
“Xiaomi-Robotics-1 is a ready-to-use robot foundation model trained on over 100K hours of real-world manipulation trajectories.”
中文意译：Xiaomi-Robotics-1是一个可直接用于机器人的基座模型，训练数据超过10万小时真实世界操作轨迹。
这句话里的看点不在“基座模型”四个字。机器人行业早就会做基座叙事，难的是把模型放到未见过的家庭环境里，还能让它按自然语言去整理鞋柜、收拾沙发、装箱、补充打印机耗材。
机器人缺少可复用数据
大模型训练可以抓公开文本、代码、图片，机器人训练很难照搬。真机遥操作要人、设备、场地和维护；同一个动作换机械臂、换夹爪、换相机位置，数据分布就变了。过去很多机器人策略模型卡在小样本、单任务、反复调参的循环里。
小米的做法，是先绕开具体机器人本体。Xiaomi-Robotics-1的预训练数据来自UMI便携式采集设备，覆盖家庭、商业空间、工业场景和户外空间等1700多个场景。这些轨迹记录的是人在真实环境中如何移动、抓取和改变物体状态。
10万小时数据不能靠人工逐段标注。小米用视觉语言模型把长轨迹切成固定片段，再给每段生成场景状态变化描述。模型训练目标也随之变化：从模仿某个机械臂关节角度，转向学习“看到当前状态和语言目标后，下一段动作怎样让环境发生变化”。
这一步给机器人模型补上了一个过去很稀缺的东西：不绑定单一硬件的数据底座。
两段训练，把人类轨迹接到真机
预训练只解决“见过足够多的世界”。要让机器人真的动起来，还要把通用动作表征接到具体机身上。
Xiaomi-Robotics-1后训练阶段用了跨本体数据，其中小米自采真机数据超过7200小时，场景包括真实家庭里的沙发整理、鞋柜收纳、餐具归位。智东西报道提到，整个后训练数据约1.1万小时，包含移动操作机器人、双臂机器人数据，以及Bridge V2、RT-1、DROID等公开数据集。
这个结构有点像语言模型的“预训练+指令微调”，但机器人多了一层本体对齐：同一句“把鞋放回柜子”，落到不同轮式底盘、机械臂和夹爪上，控制信号完全不同。Xiaomi-Robotics-1要学的是先从人类轨迹里抽出任务规律，再把规律映射到真实机器人控制空间。
官方给出的结果是，预训练数据从2500小时扩大到2万小时时，验证集动作预测误差持续下降；模型规模从20亿、50亿到100亿参数时，动作预测也继续改善。离线曲线之外，小米还称这种收益迁移到了未见过的真实环境任务。
这组数据的价值，在于它把“机器人Scaling Law”从口头判断推向可测曲线。样本更多、模型更大，真机任务成功率也跟着涨，至少在小米披露的实验边界内形成了同向证据。
榜单数字好看，但别把它读成量产结论
公开仿真基准上，Xiaomi-Robotics-1的数字确实亮眼。官方页列出四项结果：RoboCasa平均成功率74.5%，RoboCasa365为57.4%，VLABench为59.1%，RoboDojo为13.93%。其中RoboCasa365第二名是46.6%，RoboDojo第二名是8.80%。
RoboCasa的独立记录也能核到部分细项：Xiaomi-Robotics-1在RoboCasa 1.0.1上，Atomic-Seen成功率80.2%，Composite-Seen成功率57.1%，Composite-Unseen成功率32.1%；记录说明评测方拿到了私有模型权重和代码，批量大小为512，训练步数为12万步。
新任务适配的数字也有参考价值。官方称，在手机打包、打印机补料、洗衣装载、箱子打包等任务里，平均每个任务不到10小时演示数据时，Xiaomi-Robotics-1整体成功率为75%，π0.5基线为40%；演示数据提高到平均不到40小时后，整体成功率升到85%，π0.5为53%。
但这些数字还不能直接翻译成“家用机器人马上可用”。仿真基准检验的是泛化和任务组合，真机连续运行还要面对硬件耐久、传感器漂移、物体遮挡、失败恢复、用户安全和维护成本。GitHub页面也显示，代码与模型权重仍处在“即将发布”的状态，RoboCasa记录标注“Open Source: no”。外部开发者暂时无法完整复现实验链路。
小米押的是软硬件闭环
这条新闻放在小米自己的节奏里更好理解。7月中旬，小米机器人连续抛出进展：机器人本体进真实场景测试、Xiaomi-Robotics-U0统一生成模型、再到这次Xiaomi-Robotics-1。它要搭的是一条“本体、数据、模型、评测”闭环。
这里有两个产业信号。
第一，机器人公司正在从“造一台会动的机器”转向“长期生产数据的系统”。谁能低成本收集真实操作轨迹，谁就更接近语言模型时代的预训练优势。
第二，中国具身智能竞争会更依赖供应链和场景。家庭、工厂、门店、仓储里的动作数据无法只靠开源互联网补齐，硬件出货、场景进入和数据闭环会互相咬合。
所以Xiaomi-Robotics-1最该被观察的，是三件后续事项：代码和权重是否按承诺开放，RoboCasa之外是否有更多第三方复测，真实机器人在连续任务里的失败恢复能否被量化。
如果这些节点继续往前走，10万小时会从漂亮数字变成机器人基座模型走向工程化的第一块地基。
参考来源：智东西、小米 Robotics 官方页、CocoLoop、GitHub 项目页、RoboCasa Leaderboard、财联社；核验 10万小时、1700+场景、7200小时真机数据、75%/85%低样本适配、RoboCasa365 57.4% 与 RoboDojo 13.93% 成功率。