Xiaomi Robotics disponibiliza o modelo fundacional VLA Xiaomi‑Robotics‑1 com licença Apache 2.0

A 3 de agosto de 2026 a equipa da Xiaomi Robotics publicou no GitHub o repositório oficial "Xiaomi‑Robotics‑1", com o código e os checkpoints do modelo fundacional vision‑language‑action (VLA) para manipulação robótica; o anúncio público da abertura foi feito a 5 de agosto de 2026 (fonte: README do repositório; TechNode). A licença indicada no repositório é a Apache 2.0 (fonte: GitHub), uma licença permissiva que permite também o uso comercial.

A publicação inclui quatro checkpoints no Hugging Face: o modelo base Xiaomi‑Robotics‑1‑5B e três versões afinadas para os benchmarks RoboCasa, RoboCasa365 e VLABench (fonte: README oficial).

O pré‑treino foi feito com mais de 100 000 horas de trajetórias reais recolhidas com dispositivos UMI, graças a um sistema de etiquetagem automática; o pós‑treino recorreu a mais de 10 000 horas de dados cross‑embodiment (fonte: arXiv 2607.15330 e README). O relatório técnico foi depositado no arXiv a 16 de julho de 2026 (v1) e atualizado a 22 de julho de 2026. O modelo já tinha sido apresentado em julho, portanto: a novidade do início de agosto é a abertura do código e dos checkpoints, não o modelo em si (fonte: arXiv).

Os resultados declarados pela equipa apontam uma taxa de sucesso de 57,4 % no RoboCasa365, face a um estado da arte anterior que os próprios autores situam em 46,6 %, e uma pontuação média de 20,07 no RoboDojo contra os 13,07 anteriores (fonte: arXiv 2607.15330). O README indica ainda 74,5 % no RoboCasa e 59,1 % no VLABench, enquanto a Xiaomi afirma uma taxa de sucesso global de 75 % em tarefas reais de manipulação móvel, com menos de 10 horas de demonstrações por tarefa em média (fonte: README oficial; TechNode). São números autodeclarados: por agora não existem verificações independentes nem reproduções por terceiros, nem foi divulgado o conjunto de dados de 100 000 horas de trajetórias. O valor refere‑se a tarefas escolhidas pela empresa — embalar telemóveis, reabastecer impressoras, carregar a máquina de lavar, encher caixas — nas suas próprias plataformas, e não a uma bancada de teste padrão; não foi declarado publicamente que robôs físicos são suportados fora do laboratório.

Do ponto de vista estratégico, abrir código e pesos sob Apache 2.0 baixa a barreira de entrada para investigadores e programadores, uma vez que ambos podem ser reutilizados por terceiros. O estrangulamento, contudo, continua a ser a disponibilidade de dados reais de manipulação; sem o conjunto de dados, verificar e melhorar os resultados declarados é difícil. O modelo é assim um recurso de investigação importante, mas o seu impacto real dependerá da capacidade da comunidade para replicar e alargar o trabalho de treino.