小米の新発表は、会話モデルでも舞台向けデモでもない。Xiaomi-Robotics-1 が問うているのは、ロボット政策モデルがデータ量とモデル規模に応じて安定して強くなるか、という工学寄りの問題だ。
"Xiaomi-Robotics-1 is a ready-to-use robot foundation model trained on over 100K hours of real-world manipulation trajectories."
自然に訳せば、10万時間超の実世界操作軌跡で訓練された、すぐ使えるロボット基盤モデルということになる。
データ不足への別解
ロボットの訓練データは、人、機体、場所、保守が必要で高い。小米は UMI で特定の機体に縛られない操作軌跡を集め、家庭、商業施設、工業現場、屋外など 1,700 超のシナリオを使った。長い軌跡は VLM で短いクリップに分け、状態変化の説明を付ける。
その後の post-training では、実機データと自然言語指示への接続を行う。公式ページは実家庭で集めた 7,200 時間超の実機データを示し、中国メディアは全体のクロスボディデータを約 1.1 万時間と報じている。
数字は強いが、量産とは別問題
公開ベンチでは、RoboCasa 74.5%、RoboCasa365 57.4%、VLABench 59.1%、RoboDojo 13.93% が示された。RoboCasa の記録では Atomic-Seen 80.2%、Composite-Seen 57.1%、Composite-Unseen 32.1% で、評価側は非公開の重みとコードにアクセスしている。
新タスク適応では、平均 10 時間未満の実演で 75% の総合成功率、40 時間未満で 85% とされる。pi0.5 はそれぞれ 40%、53% だった。
ただし、家庭や工場で長時間動くには、ハードウェアの耐久性、失敗復帰、安全性、保守費用が残る。GitHub ではコードと重みは公開予定の段階で、RoboCasa も Open Source: no と記録している。次の焦点は公開、第三者再現、連続運用での信頼性だ。
参考ソース：智东西、小米 Robotics 公式ページ、CocoLoop、GitHub プロジェクト、RoboCasa Leaderboard、財聯社。10万時間、1,700超シナリオ、7,200時間の実機データ、75%/85% の低データ適応、RoboCasa365 57.4% と RoboDojo 13.93% を確認した。