Xiaomi Robotics、VLA基盤モデル「Xiaomi‑Robotics‑1」をApache 2.0で公開

2026年8月3日、Xiaomi RoboticsチームはGitHubで公式リポジトリ「Xiaomi‑Robotics‑1」を公開した。ロボット操作のためのvision‑language‑action（VLA）基盤モデルのコードとチェックポイントが含まれる。公開の告知は2026年8月5日に行われた（出典：リポジトリのREADME、TechNode）。リポジトリに記載されたライセンスはApache 2.0（出典：GitHub）。商用利用も認める寛容なライセンスだ。

公開されたのはHugging Face上の4つのチェックポイントで、ベースモデルXiaomi‑Robotics‑1‑5Bと、RoboCasa・RoboCasa365・VLABenchの各ベンチマーク向けに調整した3つのバージョンである（出典：公式README）。

事前学習には、UMIデバイスで収集し自動アノテーション機構で処理した10万時間超の実機軌道が使われた。事後学習では1万時間を超えるクロスエンボディメントのデータを活用している（出典：arXiv 2607.15330およびREADME）。技術報告は2026年7月16日にarXivへ提出（v1）され、7月22日に更新された。つまりモデル自体は7月にすでに発表済みで、8月初旬の新しさはコードとチェックポイントの公開にある（出典：arXiv）。

チームが示した結果では、RoboCasa365の成功率は57.4%で、著者自身が挙げる従来の最先端46.6%を上回る。RoboDojoの平均スコアは従来の13.07に対して20.07だという（出典：arXiv 2607.15330）。READMEはさらにRoboCasaで74.5%、VLABenchで59.1%を示し、Xiaomiは実際のモバイル操作タスク全体で75%の成功率を、1タスクあたり平均10時間未満のデモンストレーションで達成したと述べている（出典：公式README、TechNode）。これらは自己申告の数値であり、現時点で独立した検証も第三者による再現もなく、10万時間の軌道データセットも公開されていない。この数値は同社が選んだタスク——スマートフォンの梱包、プリンターの補充、洗濯機への投入、箱詰め——を自社プラットフォームで実行した結果であって、標準的なベンチマーク環境のものではない。研究室の外でどの実機ロボットに対応するのかも公表されていない。

戦略的に見れば、コードと重みをApache 2.0で開放したことは研究者や開発者の参入障壁を下げ、第三者による再利用を可能にする。ただしボトルネックは依然として実環境の操作データの入手可能性にある。データセットがない以上、公表された結果の検証も改善も難しい。したがってこのモデルは重要な研究資源ではあるが、実際の影響力は、コミュニティが学習の作業をどこまで再現し拡張できるかにかかっている。