Xiaomi-Robotics-1：10万小时数据破局
Xiaomi-Robotics-1
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
- 有评论者指出，当前机器人演示多为受控环境下的加速视频，实际任务成功率仅约 50%，距离解决最后 20% 的长尾问题仍需漫长周期。
- 亲历者对比了 Roborock 等成熟扫地机器人与折叠衣物机器人的差距，认为前者已高度可靠，而后者在复杂场景下仍远未实用。
- 关于开源与地缘政治的争论中，一方认为美国应主动发布模型权重以掌握数据成果，另一方则担忧中国缺乏外部竞争压力后会迅速关闭技术生态。
- 有观点反驳了'AI 将取代人类所有工作'的悲观论调，认为低成本工具将降低创业门槛，使个人能更有效地与 Google 或 Stripe 等巨头竞争。
- 部分评论强调，尽管机器在逻辑计算上优于人类，但在涉及激情、性格和创造力的领域，顶级人类的表现仍无法被机器完全复制。