Rilis Xiaomi kali ini bukan model percakapan atau demo panggung. Xiaomi-Robotics-1 menguji pertanyaan yang lebih teknis: apakah model kebijakan robot bisa membaik secara terukur saat data dan ukuran model ditambah?
"Xiaomi-Robotics-1 is a ready-to-use robot foundation model trained on over 100K hours of real-world manipulation trajectories."
Artinya, Xiaomi mencoba membangun model dasar robot yang dilatih dari lebih dari 100 ribu jam jejak manipulasi dunia nyata.
Data adalah hambatan utama
Data robot mahal karena membutuhkan tubuh robot, operator, lokasi, dan perawatan. Xiaomi memakai UMI untuk mengumpulkan jejak operasi yang tidak terikat pada satu bentuk robot. Datanya mencakup lebih dari 1.700 skenario di rumah, ruang komersial, lokasi industri, dan luar ruangan.
Jejak panjang dipotong menjadi klip, lalu diberi deskripsi perubahan keadaan oleh model visi-bahasa. Setelah itu, post-training menghubungkan kemampuan umum tersebut ke robot nyata dan instruksi bahasa alami. Halaman resmi menyebut lebih dari 7.200 jam data robot nyata dari rumah sungguhan, sementara laporan Tiongkok menyebut set lintas-bentuk sekitar 11 ribu jam.
Angka kuat, tetapi belum berarti produk siap massal
Hasil publiknya mencakup RoboCasa 74,5%, RoboCasa365 57,4%, VLABench 59,1%, dan RoboDojo 13,93%. Catatan RoboCasa juga menampilkan Atomic-Seen 80,2%, Composite-Seen 57,1%, dan Composite-Unseen 32,1%, dengan akses privat ke bobot model dan kode.
Untuk adaptasi tugas baru, Xiaomi menyebut tingkat keberhasilan keseluruhan 75% dengan demonstrasi rata-rata di bawah 10 jam per tugas, dibanding 40% pada baseline pi0.5. Dengan kurang dari 40 jam, hasilnya naik menjadi 85%, sementara baseline 53%.
Namun operasi nyata memerlukan uji lebih panjang: daya tahan perangkat keras, pemulihan dari kegagalan, keselamatan rumah, dan biaya perawatan. GitHub masih menandai kode dan bobot sebagai akan dirilis, dan entri RoboCasa menulis Open Source: no.
Sumber: Zhidongxi, halaman Xiaomi Robotics, CocoLoop, proyek GitHub, RoboCasa Leaderboard, dan CLS; memeriksa 100 ribu jam, 1.700+ skenario, 7.200 jam data robot nyata, adaptasi 75%/85%, RoboCasa365 57,4%, dan RoboDojo 13,93%.