IT之家 7 月 16 日新闻
，，，小米手艺今天（16 日）上午宣布
，，，小米具身基座模子 Xiaomi-Robotics-1 正式宣布
，，，基于10 万小时真实天下操作数据预训练
，，，连系跨本体后训练
，，，实现具身基座模子的“开箱即用”。。
。 凭证先容
，，，Xiaomi-Robotics-1 在预训练阶段
，，，使用了 10 万小时真实天下操作轨迹。。
。这些数据通过 Universal Manipulation Interface（UMI）装备收罗
，，，笼罩家庭、商业空间、工业场景、办公室、户外等多类情形
，，，包括大宗物体交互和操作行为。。
。 团队构建了可规模；淖远曜⒘鞒蹋航す旒Ｇ蟹治慰砍ざ绕
，，，并使用视觉语言模子对片断中的夹爪状态转变和交互物体状态转变举行形貌。。
。模子由此学习在目今视觉视察和语言条件下
，，，天生能够推动场景状态转变的行动
，，，可在约莫 2 周内完玉成量 10 万小时数据的高质量标注。。
。 Xiaomi-Robotics-1 接纳预训练 + 后训练的两阶段训练范式。。
。在预训练阶段
，，，模子学习的是通用行动天生能力。。
。给定目今视觉视察和语言形貌
，，，模子需要展望一段行动序列
，，，使场景从目今状态向目的状态转变。。
。 本体对齐：将预训练阶段从 UMI 数据中获得的行动天生能力
，，，迁徙到真实机械人本体上。。
。指令对齐：将“凭证状态转变形貌天生行动”的能力
，，，转化为“凭证人类自然语言指令执行使命”的能力。。
。 为此
，，，团队构建了约 10000 小时跨本体后训练数据
，，，其中包括 7200+ 小时移动操作机械人和双臂机械人数据、1000+ 小时人工标注 UMI 数据
，，，以及 Bridge V2、RT-1、DROID 等果真机械人数据集。。
。 在重大、灵巧操作使命上
，，，模子可以通过少量下游真实机械人数据举行高效微调
，，，而不是从零最先学习。。
。这种“先训练通用基座
，，，再用少量数据适配使命”的方式
，，，有助于降低新使命开发的数据本钱和训练本钱。。
。