Xiaomi-Robotics-1：10万小时数据破局
机器人领域长期受困于高质量数据稀缺，导致策略模型难以规模化。Xiaomi-Robotics-1 提出全新解法：利用 10 万小时无实体（UMI）数据进行大规模预训练，再结合少量真实机器人数据进行微调。这种“广度预训练 + 精度对齐”的策略，让模型在未见过的环境中表现惊人。实验显示，随着数据量和模型规模扩大，真实机器人的成功率稳步提升且未见饱和。仅需平均不到 10 小时的演示数据，模型就能在新任务上达到 75% 的成功率，大幅超越现有基线。这不仅打破了数据瓶颈，更验证了机器人基础模型同样遵循缩放定律。
我们观察到，随着预训练阶段的数据量和模型规模扩大，真实机器人的成功率稳步且可预测地提升，这意味着更强的预训练模型能带来更出色的开箱即用性能。
HN 评论区
324- user_7832
我不太明白为什么这里的某些评论如此悲观。看视频的时候我简直笑开了花。你是说我们终于有了能帮我们洗衣服的机器人？而且这模型至少像啤酒一样免费？
套用一句歌词/梗：我们曾经祈祷能有这样的时代。这才是机器人该有的用途。
- iandanforth
为了提供一些背景，视频里展示了一些传统上极难解决的问题，所以如果你没被震撼到，庆幸自己不用在十年前去尝试构建这些吧。
- 双手协调
- 移动机身
- 可变形物体
- 细微的操作空间（特别是拉上拉链）
- 单次抓取多个物体
这里列举的每一项都曾单独作为感知或操作问题被攻克，很可能在 HN 上就导致了不少人的博士论文诞生。
- michaelhoney
看着这个双手机器人，我在想如果加个第三只手，或许具备不同的能力（比如触手式抓握），会让很多任务变得更容易。我意识到肢体越多问题越多，但即便如此，拥有额外的抓握和翻转物体的方式也会大有帮助。
- zwaps
造个新词：Slopfold（随意折叠）
当机器人帮你叠衣服，虽然有点皱巴巴、乱糟糟，但你还是接受了，因为总比精折叠、熨烫好的衣服省事。
- whereistejas
这正是让我对 AI 未来最兴奋的地方。在东方，家政服务便宜且容易获得，但在西方，请得起清洁工或保姆是一种奢侈。我每周都要花大量时间打理房子。我期待有一天能腾出这些时间，把时间还给自己。
- Gud
这一切发生得太快了。
AI 绝对将主宰我们的未来。
我相信我们才刚刚触及可能性的冰山一角。
也许我很悲观，但我一直觉得 Bill Joy 很有先见之明。
- mk89
未剪辑的 footage 太酷了。
当然，你可以列举它们做不到的所有事情（如果有楼梯怎么办？如果门比机器人小怎么办？等等），但看到它们能做到的事情简直令人震惊——而且聊天面板也很棒，让互动性更强了。
- agys
设计非人形机器人才是正道。为混合人/机器人使用而设计新工具和电器终将随之而来：视频里那个鞋袋的拉链轨道需要太高的精度操作了。
- chronogram
这太棒了！我可以看到几年后，Home Assistant 利用 LLM 在我外出时协调我的家。告诉 LLM 清点家里的物品，然后派吸尘器和机器人去清理一切。多模态 LLM 可以检查图片，找出需要放进洗碗机、洗衣机或需要抛光的东西，重新整理衣柜以最佳分配空间，铺床，照顾植物。它整天都有时间做这些，反正太阳能板也能提供充足的能源。
- SillyUsername
这需要特定的硬件平台吗？还是说，例如，我可以用一个便宜的迷你机器人运行这个模型，配单摄像头（即不需要深度信息也够用）、履带底盘和一只机械臂？