近日小米正式推出第二代具身智能模型 Xiaomi-Robotics-1 与世界模型 Robotics-U0，凭借 10 万小时真实世界操作数据，在国内首次系统性验证了机器人领域的缩放法则（Scaling Law）。
搭配通用数据采集方案与世界模型数据增强技术，小米构建起从数据生成、模型训练到落地执行的完整技术飞轮，也让家用通用机器人的落地节奏迎来关键突破。
一、核心突破：破解数据瓶颈 验证机器人缩放法则
长期以来，具身智能领域始终未能跑通规模化迭代路径，核心瓶颈在于真实操作数据的采集成本高、效率低，且数据普遍绑定特定硬件本体，跨平台无法复用，难以像大语言模型那样靠海量数据持续提升能力。
小米通过两项技术创新打破了这一死结：
其一推出 UMI 通用操作采集接口，设备不绑定任何机器人本体，人工手持即可在家庭、办公、户外等任意真实场景采集操作数据；
其二搭建 VLM 自动标注流水线，替代传统人工逐帧标注的低效模式，将预训练数据规模从 1 万小时级推升至 10 万小时级。
对照实验证实，随着数据量与模型参数量提升，机器人动作预测误差持续下降，训练稳定性同步增强，整体能力呈可预测的线性增长，未出现明显天花板。这是国内首次在机器人策略模型领域验证缩放法则成立，标志着行业从 “单任务作坊式调优” 正式进入 “通用基座规模化迭代” 的新阶段。
二、双模型协同：策略大脑 + 世界模型构建技术飞轮
本次小米同步发布两款模型，形成 “执行落地 + 数据生成” 的互补闭环，构建起自驱动的技术迭代飞轮。
核心执行端 Xiaomi-Robotics-1 延续初代 “VLM 视觉语言模块 + DiT 运动控制模块” 的拆分架构，新增 Λ 型注意力掩码机制，避免模型直接复制历史动作，保障实时运动规划的合理性。
该模型在 RoboDojo、RoboCasa 等四项主流行业基准测试中全部拿下第一，其中长程复合未见任务成功率达到第二名的 4 倍，通用能力突出。
在零样本陌生环境中，可自主完成鞋柜收纳、桌面整理、书包打包等复合任务；面对全新任务仅需不足 10 小时微调数据即可适配，效率超越行业标杆 Pi-0.5。
另一款 Robotics-U0 是 38B 参数的统一具身合成世界模型，可基于文字描述生成多视角几何一致的操作场景，也能将单一场景的操作轨迹批量迁移到上千种不同环境中。
用其生成的合成数据增强训练后，策略模型的分布外任务成功率从 36.9% 提升至 63.2%，几乎翻倍；在机器人垂直场景下，其生成效果在几何一致性、约束准确度上优于通用图像生成模型。
两者形成正向飞轮：U0 批量生成合成数据扩充训练集，Robotics-1 能力提升后采集更多高质量真实数据反哺 U0，持续加速模型进化。
三、落地导向：开箱即用 锚定家用消费级场景
区别于多数实验室导向的模型，小米从初代产品就高度重视工程落地性，二代模型依旧可在消费级 4090 显卡上运行，推理延迟仅 80ms，完全满足机器人实时执行的硬件要求。
“开箱即用” 是本次发布的核心定位，也是家用机器人走向实用的核心门槛：机器人无需针对家庭环境单独训练，搬入陌生房间后，通过语音指令即可自主识别物品属性、判断放置顺序、控制操作力度，完成收纳整理类家务。这种零样本环境适配能力，让 “买回家就能用” 从概念走向可落地的现实。
四、行业价值：全栈自研 + 开源 加速产业整体迭代
小米是国内少有的掌握 “硬件本体 + 模型算法 + 数据引擎” 全栈技术的玩家，从铁蛋、铁大的硬件持续迭代，到两代 VLA 模型的算法突破，软硬协同的技术积累形成了深厚壁垒。
更具行业价值的是，本次项目将以开源形式开放，代码与模型权重陆续释放，全行业都可基于该基座继续优化。类比 GPT-3 验证大语言模型缩放法则的历史意义，小米本次验证了具身智能的规模化路径，加上世界模型带来的数据生产飞轮，很可能大幅缩短家用通用机器人的落地周期。
整体而言，这次发布不止是一次模型参数升级，更是具身智能行业从单点技术突破走向规模化工程落地的关键节点。
