小米发布了其机器人AI基础模型 Xiaomi-Robotics-1，该模型遵循与大语言模型相似的扩展规律：性能随训练数据量的增加而提升。但与传统大模型依赖互联网文本数据不同，机器人AI面临独特的数据瓶颈——有用的机器人运动数据极其稀缺。

为突破这一瓶颈，小米在数据收集阶段几乎完全放弃了实体机器人。研究团队使用便携式手持夹持器，配备摄像头，由人类直接操作并录制各种操作任务。这些任务在厨房、办公室、商店、工厂车间和户外空间等超过 1700 种不同环境 中完成，最终积累了 超过 10 万小时 的运动记录。

如此庞大的数据集带来了新的挑战：每条记录都需要文本描述供模型学习。手动标注不切实际，小米转而使用另一个AI模型自动为每个运动片段生成描述，整个数据集的标注工作在大约 两周 内完成。随后，小米将训练成果迁移至实体机器人，包括轮式模型和双臂系统，并需要处理手持夹持器与机器人手臂之间的差异。

测试结果清晰地表明：更多训练数据带来的性能提升远大于增加计算量。研究人员认为，机器人AI的进步将主要取决于收集更大、更多样化的数据集。这一发现与今年3月初关于视觉数据的研究结论一致。对于语言模型，模型规模与数据量通常需大致同步增长以优化固定计算预算；但当模型处理图像而非文本时，增加数据的帮助远大于扩大模型规模。

在实体机器人测试中，随着训练数据量的增加，模型在陌生环境中的成功率从约 25% 提升至 75%。研究人员表示，尚未观察到数据量增加导致性能提升停滞的迹象。在标准机器人AI基准测试中，Xiaomi-Robotics-1 取得了迄今最佳成绩。在一项演示中，一个机器人据称在无人协助下完成了整理行李箱的任务，耗时超过十分钟，需要机器人横跨整个房间。

该基础模型在快速适应新任务方面表现出色。在四项测试任务中——包括包装手机、将衣物放入洗衣机、向打印机送纸以及将物品装入箱子——每个任务仅使用不到 10 小时 的训练数据，模型平均成功率即达到 75%。相比之下，Physical Intelligence 的竞争模型在同一测试中仅达到 40%。小米表示，其模型在处理纸张等柔软、可变形材料以及需要移动的任务时表现尤为突出。在 RoboCasa365 排行榜上，Xiaomi-Robotics-1 以显著优势领先，尤其是在未见过的复合任务上。

机器人数据问题仍是该领域研究的焦点，不同团队正探索截然不同的解决方案。今年5月一项关于世界动作模型的调查回顾了约100项研究，发现遥操作数据精确但成本高昂且局限于少数场景。小米的手持夹持器正是为应对这些限制而设计。与此同时，英伟达、卡内基梅隆大学和加州大学伯克利分校通过 ENPIRE 项目，让AI编码代理自主训练一支由八台机器人组成的队伍学习抓取物体；英伟达还计划通过生成合成训练数据，将机器人数据问题转化为计算问题。中国北京智源人工智能研究院（BAAI） 则采取相反路线，其 Orca 世界模型从 12.5万小时 无动作标签的视频中学习，在五项操作任务上仍能与专门的 pi0.5 模型匹敌。小米的做法是自动化标注并大规模应用，而 Orca 则试图完全消除标签。Physical Intelligence 在这两种方案中均作为参照点，该公司今年4月因 pi0.7 模型声称能泛化但可能只是回忆相似训练数据而受到批评。

小米的发现表明，在机器人AI领域，数据量的扩展比模型规模的扩大更具决定性，但绝对成功率仍然较低，意味着该领域仍有巨大的提升空间。