Xiaomi Robotics publica el modelo fundacional VLA Xiaomi‑Robotics‑1 con licencia Apache 2.0

El 3 de agosto de 2026 el equipo de Xiaomi Robotics publicó en GitHub el repositorio oficial "Xiaomi‑Robotics‑1", con el código y los checkpoints del modelo fundacional vision‑language‑action (VLA) para manipulación robótica; el anuncio público de la apertura llegó el 5 de agosto de 2026 (fuente: README del repositorio; TechNode). La licencia declarada en el repositorio es Apache 2.0 (fuente: GitHub), una licencia permisiva que permite también el uso comercial.

La publicación incluye cuatro checkpoints en Hugging Face: el modelo base Xiaomi‑Robotics‑1‑5B y tres versiones ajustadas para los benchmarks RoboCasa, RoboCasa365 y VLABench (fuente: README oficial).

El preentrenamiento se realizó con más de 100 000 horas de trayectorias reales recogidas con dispositivos UMI, gracias a un sistema de etiquetado automático; el postentrenamiento aprovechó más de 10 000 horas de datos cross‑embodiment (fuente: arXiv 2607.15330 y README). El informe técnico se depositó en arXiv el 16 de julio de 2026 (v1) y se actualizó el 22 de julio de 2026. El modelo, por tanto, ya se había presentado en julio: la novedad de principios de agosto es la apertura del código y los checkpoints, no el modelo en sí (fuente: arXiv).

Los resultados declarados por el equipo muestran una tasa de éxito del 57,4 % en RoboCasa365, frente a un estado del arte anterior que los propios autores sitúan en el 46,6 %, y una puntuación media de 20,07 en RoboDojo frente a los 13,07 previos (fuente: arXiv 2607.15330). El README indica además un 74,5 % en RoboCasa y un 59,1 % en VLABench, mientras que Xiaomi afirma una tasa de éxito global del 75 % en tareas reales de manipulación móvil, con menos de 10 horas de demostraciones por tarea de media (fuente: README oficial; TechNode). Son cifras autodeclaradas: por ahora no hay verificaciones independientes ni reproducciones de terceros, y tampoco se ha publicado el conjunto de datos de 100 000 horas de trayectorias. El dato se refiere a tareas elegidas por la empresa —empaquetar teléfonos, reponer impresoras, cargar la lavadora, llenar cajas— en sus propias plataformas, no a un banco de pruebas estándar; no se ha declarado públicamente qué robots físicos están soportados fuera del laboratorio.

Estratégicamente, abrir código y pesos bajo Apache 2.0 rebaja la barrera de entrada para investigadores y desarrolladores, ya que ambos quedan reutilizables por terceros. El cuello de botella, sin embargo, sigue siendo la disponibilidad de datos reales de manipulación; sin el conjunto de datos, verificar y mejorar los resultados declarados resulta difícil. El modelo es así un recurso de investigación importante, pero su impacto real dependerá de la capacidad de la comunidad para replicar y ampliar el trabajo de entrenamiento.