**小米发布Xiaomi-Robotics-1：基于10万小时真实轨迹的视觉-语言-动作基础模型**

_Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories_

> 小米推出Xiaomi-Robotics-1，这是一种基础视觉-语言-动作(VLA)模型，利用超过10万小时的真实世界操作轨迹进行预训练。该模型具备强大的泛化能力，能直接执行未见环境中的移动操纵任务，并通过少量微调高效适应新任务。实验显示，该模型在RoboCasa365和RoboDojo基准测试中均创下新的最先进水平，展现了显著的数据和规模扩展效应。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-07-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2607.15330)