Xiaomi Robotics открывает VLA‑модель Xiaomi‑Robotics‑1 по лицензии Apache 2.0

3 августа 2026 года команда Xiaomi Robotics опубликовала на GitHub официальный репозиторий «Xiaomi‑Robotics‑1» с кодом и чекпойнтами базовой vision‑language‑action‑модели (VLA) для роботизированных манипуляций; публичное объявление об открытии прозвучало 5 августа 2026 года (источник: README репозитория; TechNode). В репозитории указана лицензия Apache 2.0 (источник: GitHub) — разрешительная лицензия, допускающая в том числе коммерческое использование.

В релиз вошли четыре чекпойнта на Hugging Face: базовая модель Xiaomi‑Robotics‑1‑5B и три версии, дообученные под бенчмарки RoboCasa, RoboCasa365 и VLABench (источник: официальный README).

Предобучение проводилось на более чем 100 000 часов реальных траекторий, собранных с помощью устройств UMI и обработанных системой автоматической разметки; на этапе дообучения использовано свыше 10 000 часов кросс‑эмбодимент‑данных (источник: arXiv 2607.15330 и README). Технический отчёт был подан на arXiv 16 июля 2026 года (v1) и обновлён 22 июля 2026 года. То есть саму модель представили ещё в июле: новостью начала августа стало открытие кода и чекпойнтов, а не модель как таковая (источник: arXiv).

Заявленные командой результаты — успешность 57,4 % на RoboCasa365 против предыдущего уровня, который те же авторы оценивают в 46,6 %, и средний балл 20,07 на RoboDojo против прежних 13,07 (источник: arXiv 2607.15330). В README указаны также 74,5 % на RoboCasa и 59,1 % на VLABench, а Xiaomi заявляет об общей успешности 75 % на реальных задачах мобильной манипуляции при менее чем 10 часах демонстраций на задачу в среднем (источник: официальный README; TechNode). Это самоотчётные цифры: независимых проверок и воспроизведений сторонними исследователями пока нет, набор данных из 100 000 часов траекторий тоже не опубликован. Показатель относится к задачам, выбранным самой компанией, — упаковка телефонов, заправка принтеров, загрузка стиральной машины, наполнение коробок, — выполненным на её собственных платформах, а не к стандартному испытательному стенду; какие физические роботы поддерживаются вне лаборатории, публично не сообщается.

Стратегически открытие кода и весов под Apache 2.0 снижает порог входа для исследователей и разработчиков: и то и другое могут переиспользовать третьи стороны. Однако узким местом остаётся доступность реальных данных о манипуляциях; без набора данных проверять и улучшать заявленные результаты сложно. Модель, таким образом, — важный исследовательский ресурс, но её реальное влияние будет зависеть от того, сможет ли сообщество повторить и расширить работу по обучению.