小米机器人以 Apache 2.0 许可开放 VLA 基础模型 Xiaomi‑Robotics‑1

2026 年 8 月 3 日，小米机器人团队在 GitHub 上发布了官方仓库「Xiaomi‑Robotics‑1」，其中包含面向机器人操作的视觉‑语言‑动作（VLA）基础模型的代码与检查点；开放的公开宣布发生在 2026 年 8 月 5 日（来源：仓库 README；TechNode）。仓库标注的许可为 Apache 2.0（来源：GitHub），这是一种允许商业使用的宽松许可。

此次发布包含 Hugging Face 上的四个检查点：基础模型 Xiaomi‑Robotics‑1‑5B，以及针对 RoboCasa、RoboCasa365 和 VLABench 三个基准微调的版本（来源：官方 README）。

预训练使用了超过 10 万小时的真实轨迹数据，由 UMI 设备采集并借助自动标注系统处理；后训练则利用了超过 1 万小时的跨本体数据（来源：arXiv 2607.15330 与 README）。技术报告于 2026 年 7 月 16 日提交至 arXiv（v1），并在 7 月 22 日更新。也就是说，模型本身在 7 月已经发布过：8 月初的新消息是代码和检查点的开放，而非模型本身（来源：arXiv）。

团队公布的结果显示，RoboCasa365 上的成功率为 57.4%，高于作者自己给出的此前最好水平 46.6%；RoboDojo 的平均分为 20.07，此前为 13.07（来源：arXiv 2607.15330）。README 还给出 RoboCasa 上的 74.5% 和 VLABench 上的 59.1%，小米则称在真实移动操作任务上的整体成功率为 75%，平均每项任务的演示数据不足 10 小时（来源：官方 README；TechNode）。这些均为自报数据；目前既没有独立验证，也没有第三方复现，10 万小时的轨迹数据集同样没有公开。该数字对应的是公司自己挑选的任务——包装手机、给打印机补货、往洗衣机里装衣物、装箱——并在自有平台上完成，而非标准测试台；实验室之外支持哪些实体机器人，也未公开说明。

从策略上看，以 Apache 2.0 开放代码和权重降低了研究者与开发者的进入门槛，使两者都可被第三方复用。但瓶颈依然是真实操作数据的可得性；缺少数据集，公布结果的验证与改进都很困难。因此，这个模型是一份重要的研究资源，其真实影响力则取决于社区能否复现并扩展这项训练工作。