林岚｜OC 开发者生态编辑

据 小米 Robotics-1 项目页，其机器人基础模型先使用约 10 万小时、覆盖 1700 多种场景的无具身轨迹数据预训练，再用真实机器人与指令数据完成后训练，以缓解机器人数据昂贵且规模不足的问题。

一句话结论： 小米不是让模型只看普通视频就自动学会控制机械臂，而是先从 UMI 等人类操作轨迹学习“手怎么移动、物体如何变化”，再用机器人数据把这种表征对齐到真实关节动作。

大模型能吃完整个互联网，机器人却没有对应规模的行动数据。采集一小时机器人数据需要设备、场地、安全员和失败恢复，同一任务换一台机械臂还可能重新采集。小米的路线，是把可穿戴或手持设备记录的人类操作轨迹先当作预训练材料。

这类数据包含视觉、手部运动和物体状态，比纯视频更接近控制，却仍不是电机指令。后训练阶段必须用移动操作机器人、双臂机器人和公开数据集完成跨本体对齐。项目资料称，规模扩大能持续提高真实任务成功率，并在多个模拟基准上取得领先结果。

但基准第一不能自动换成“家务机器人已经可用”。真实家庭有透明物体、柔软衣物、儿童和宠物，也有碰撞责任。模型是否能长时间稳定执行、失败能否安全停止、换硬件后是否仍泛化，比一次成功演示更重要。

关键事实

• 预训练约使用 10 万小时、1700 多场景的无具身轨迹数据。
• 后训练仍需要真实机器人、指令对齐和公开机器人数据。
• 项目展示的是基础模型路线，不是已经量产的通用家务机器人。

OC 判断

机器人行业真正的瓶颈正在从模型结构转向数据生产。小米的价值是尝试把便宜的人类操作数据变成机器人预训练语料，但最后一公里仍要由真实机器和安全验证完成。

为什么重要

• 对开发者： 跨本体数据和动作对齐会成为核心基础设施。
• 对企业： 模拟成绩之外还要衡量真实成功率、恢复与安全成本。
• 对用户： 更大数据不等于机器人已能无监督进入家庭。

参考来源

• Xiaomi Robotics-1 官方项目页