Xiaomi Robotics publie le modèle fondation VLA Xiaomi‑Robotics‑1 sous licence Apache 2.0

Le 3 août 2026, l'équipe Xiaomi Robotics a publié sur GitHub le dépôt officiel "Xiaomi‑Robotics‑1", contenant le code et les checkpoints du modèle de fondation vision‑language‑action (VLA) pour la manipulation robotique ; l'annonce publique de cette ouverture a été diffusée le 5 août 2026 (source : README du dépôt ; TechNode). La licence indiquée dans le dépôt est Apache 2.0 (source : GitHub), une licence permissive qui autorise aussi l'usage commercial.

La publication comprend quatre checkpoints sur Hugging Face : le modèle de base Xiaomi‑Robotics‑1‑5B et trois versions affinées pour les benchmarks RoboCasa, RoboCasa365 et VLABench (source : README officiel).

Le préentraînement a été réalisé sur plus de 100 000 heures de trajectoires réelles collectées avec des dispositifs UMI, grâce à un système d'étiquetage automatique ; le postentraînement s'est appuyé sur plus de 10 000 heures de données cross‑embodiment (source : arXiv 2607.15330 et README). Le rapport technique a été déposé sur arXiv le 16 juillet 2026 (v1) et mis à jour le 22 juillet 2026. Le modèle avait donc déjà été présenté en juillet : la nouveauté de début août, c'est l'ouverture du code et des checkpoints, pas le modèle lui‑même (source : arXiv).

Les résultats annoncés par l'équipe font état d'un taux de réussite de 57,4 % sur RoboCasa365, contre un état de l'art précédent situé par les mêmes auteurs à 46,6 %, et d'un score moyen de 20,07 sur RoboDojo contre 13,07 auparavant (source : arXiv 2607.15330). Le README indique par ailleurs 74,5 % sur RoboCasa et 59,1 % sur VLABench, tandis que Xiaomi affirme un taux de réussite global de 75 % sur des tâches réelles de manipulation mobile, avec moins de 10 heures de démonstrations par tâche en moyenne (source : README officiel ; TechNode). Ces chiffres sont auto‑déclarés : il n'existe pour l'instant ni vérification indépendante ni reproduction par des tiers, et le jeu de données de 100 000 heures de trajectoires n'a pas été publié. Le chiffre porte sur des tâches choisies par l'entreprise — emballer des téléphones, réapprovisionner des imprimantes, charger le lave‑linge, remplir des cartons — sur ses propres plateformes, et non sur un banc d'essai standard ; l'entreprise n'indique pas publiquement quels robots physiques sont pris en charge hors du laboratoire.

Sur le plan stratégique, ouvrir le code et les poids sous Apache 2.0 abaisse la barrière d'entrée pour les chercheurs et les développeurs, puisque les deux deviennent réutilisables par des tiers. Le goulot d'étranglement reste toutefois la disponibilité de données réelles de manipulation ; sans le jeu de données, vérifier et améliorer les résultats annoncés est difficile. Le modèle constitue donc une ressource de recherche importante, mais son impact réel dépendra de la capacité de la communauté à répliquer et à élargir le travail d'entraînement.