Xiaomi-Robotics-1 n'est ni un modèle de conversation ni une démonstration de salon. La question est plus précise: un modèle de politique robotique peut-il progresser de façon prévisible quand les données et la taille du modèle augmentent?
"Xiaomi-Robotics-1 is a ready-to-use robot foundation model trained on over 100K hours of real-world manipulation trajectories."
Xiaomi présente donc un modèle de fondation robotique entraîné sur plus de 100 000 heures de trajectoires de manipulation réelles.
Le vrai verrou reste la donnée
Les données robotiques coûtent cher: elles demandent un corps, un opérateur, un lieu physique et de la maintenance. Xiaomi utilise des trajectoires UMI non liées à un seul robot, couvrant plus de 1 700 scénarios domestiques, commerciaux, industriels et extérieurs.
Les longues trajectoires sont découpées en clips, puis annotées par un modèle vision-langage décrivant les changements d'état. Le post-entraînement relie ensuite cette représentation à de vrais robots et à des instructions en langage naturel. La page officielle mentionne plus de 7 200 heures de données internes de robots réels dans de vrais logements; la presse chinoise parle d'environ 11 000 heures pour l'ensemble cross-embodiment.
Des scores solides, pas encore une preuve industrielle
Les chiffres publiés sont 74,5% sur RoboCasa, 57,4% sur RoboCasa365, 59,1% sur VLABench et 13,93% sur RoboDojo. L'entrée RoboCasa indique aussi 80,2% en Atomic-Seen, 57,1% en Composite-Seen et 32,1% en Composite-Unseen, avec accès privé aux poids et au code.
Pour l'adaptation à de nouvelles tâches, Xiaomi annonce 75% de réussite globale avec moins de 10 heures de démonstrations par tâche, contre 40% pour pi0.5. Sous 40 heures, le score atteint 85%, contre 53% pour la référence.
Mais le passage au produit demande d'autres preuves: fonctionnement continu, usure matérielle, récupération d'erreur, sécurité domestique et coût de maintenance. GitHub indique encore que le code et les poids seront publiés plus tard, et RoboCasa note Open Source: no.
Sources: Zhidongxi, page Xiaomi Robotics, CocoLoop, projet GitHub, RoboCasa Leaderboard et CLS; vérification des 100 000 heures, 1 700+ scénarios, 7 200 heures de données robot réel, adaptation 75%/85%, RoboCasa365 57,4% et RoboDojo 13,93%.