Xiaomi-Robotics-1: как 100 тысяч часов данных меняют обучение роботов
Xiaomi собрала 100 тысяч часов траекторий для обучения роботов. Разбираем, почему эксперимент дал рост с 26% до 75% и чего он пока не доказывает.
По состоянию на 21 июля 2026 года Xiaomi-Robotics-1 относится к моделям vision-language-action (VLA), которые управляют роботами по изображению и языковой команде. Xiaomi предобучила её на более чем 100 тысячах часов реальных траекторий манипуляций, собранных в свыше 1700 средах. В одном из опытов доля успешных действий на реальных роботах выросла с 26% до 75%.
Последняя цифра требует оговорки. Речь идёт не обо всех 100 тысячах часов и не о любых новых задачах. Авторы сравнивали варианты 5B-модели на выборке примерно из 20 тысяч часов. Четыре задания были знакомы по обучению, но окружения и предметы были новыми. Ниже разбираем, что действительно показал эксперимент и почему гонка за данными для роботов только начинается.
Как устроена модель Xiaomi для роботов
Модель получает изображение, языковую команду и состояние робота, а на выходе строит последовательность действий. Архитектура соединяет предварительно обученную зрительно-языковую модель Qwen3-VL с диффузионным трансформером, который генерирует движения. Авторы подготовили варианты на 2,6, 5,1 и 10,5 млрд параметров; в названии их округляют до 2B, 5B и 10B.
Обучение разделено на два этапа. Сначала модель наблюдает множество манипуляций ручным UMI-захватом и учится связывать изменения сцены с движениями. Затем её дообучают на данных разных роботов и командах, сформулированных в привычной для человека форме.
| Этап | Объём данных | Что делали и измеряли |
|---|---|---|
| Полное предобучение | Более 100 тыс. часов UMI-траекторий | Учили общим представлениям действий на более чем 1700 бытовых, офисных, коммерческих, промышленных и уличных средах |
| Опыт с масштабом данных | 12,5%, 25%, 50% и 100% от примерно 20 тыс. часов | Сравнивали ошибку предсказания и перенос предобучения на реальные роботы |
| Дообучение под роботов | Около 10 тыс. часов | Совмещали более 7200 часов собственных записей роботов, свыше 1000 часов размеченных UMI-данных и открытые наборы |
| Проверка без настройки под задачу | 4 задания | Хранение обуви, упаковка сумки, организация стола и уборка дивана в новых средах с новыми экземплярами предметов |
100 тысяч часов: как Xiaomi обошла дефицит данных
Собирать траектории на настоящих роботах медленно и дорого: нужны оборудование, оператор и безопасная площадка. Xiaomi заменила робота на Universal Manipulation Interface (UMI). Это ручной захват с камерами. Человек выполняет нужное движение в квартире, офисе, магазине или на улице, а система записывает вид от первого лица и положение захвата.
Ручная разметка такого объёма заняла бы слишком много времени. Авторы делили видео на отрезки фиксированной длины, а Qwen3.5-27B описывала изменение состояния захвата и предметов. По данным препринта Xiaomi Robotics, весь корпус разметили примерно за две недели.
Эти 100 тысяч часов нельзя называть «данными роботов». На этапе предобучения движения записывали в основном ручными UMI-устройствами без конкретной робототехнической платформы. Перенос на мобильные манипуляторы и двуручные системы происходил позже, на меньшем смешанном корпусе.
Рост с 26% до 75%: что измерял эксперимент Xiaomi
Для проверки влияния данных исследователи взяли вариант на 5,1 млрд параметров. Базовая версия без предобучения на действиях успешно завершала 26% попыток. Уже 12,5% от экспериментального корпуса примерно в 20 тысяч часов подняли результат до 53%. Полный объём этой выборки дал 75%.
Четыре задания присутствовали в данных дообучения, поэтому речь не идёт о выполнении совершенно неизвестных задач. Новыми были комнаты и экземпляры предметов. Модель запускали без отдельной настройки под каждое окружение.
Размер модели тоже помог. При одинаковом предобучающем корпусе примерно в 20 тысяч часов варианты 2B, 5B и 10B набрали соответственно 61%, 75% и 79%. Вывод авторов уже, чем пересказ «данные всегда важнее модели»: в их постановке увеличение и разнообразие корпуса дали более сильный прирост, но оба направления улучшили результат.
Особенно показателен переход от 50% к 100% данных. Успешность выросла с 69% до 75%, то есть ещё на шесть процентных пунктов. Признаков насыщения авторы не увидели, хотя без больших контрольных опытов это нельзя превращать в универсальный закон масштабирования.
Почему роботам нужны разнообразные данные
Манипулятору недостаточно увидеть один и тот же стакан на одном столе тысячу раз. Ему нужны другие кухни, освещение, положения камеры, формы упаковки, поверхности и ошибки оператора. Иначе модель запоминает узкое распределение и теряется при первой перестановке мебели.
UMI меняет экономику сбора: захват можно принести туда, куда робот ещё не доедет. Xiaomi получила бытовые, офисные, промышленные, торговые и уличные сцены без парка одинаковых машин. Похожую ставку на разнообразие действий делает General Intuition, обучающая AI-агентов на игровых данных, хотя источники и конечные задачи у проектов разные.
Второй подход состоит в генерации или прогнозировании будущих сцен. NVIDIA переносит такие вычисления на край сети в Cosmos 3 Edge, а класс World Action Models связывает наблюдение с возможным действием робота. Xiaomi делает ставку на реальные траектории, но удешевляет их сбор и автоматизирует подписи.
Гонка за данными выходит за пределы робототехники
На этой же неделе два события показали разные стороны одной проблемы. 20 июля федеральный суд в Сан-Франциско окончательно одобрил соглашение Anthropic с авторами на 1,5 млрд долларов. Само обучение на книгах суд ранее счёл добросовестным использованием, но спор о скачанных пиратских копиях превратил происхождение корпуса в отдельный финансовый риск.
Т-Банк показал противоположную сторону: данные уже есть, но разложены по сервисам и имеют разные схемы. В корпоративном разборе фреймворка Perseus команда описывает объединение покупок, поисков, кликов и других событий в общую последовательность и заявляет рост бизнес-метрик на 3–17% в разных задачах. Интеграцию рекомендаций «на лету» автор называет следующим направлением, а не готовой частью системы.
Для робототехники вывод тот же: преимущество создаёт не просто объём записей. Нужно законно получить данные, привести разные источники к общей схеме, разметить их и доказать перенос на задачу. Xiaomi закрыла несколько этапов этой цепочки, но пока внутри собственного эксперимента.
Что результаты Xiaomi пока не доказывают
- Независимой воспроизводимости нет. Препринт версии v1, тесты и демонстрации подготовила команда Xiaomi Robotics.
- Код и веса модели ещё не опубликованы. На 21 июля репозиторий GitHub содержит статью и обещание выпустить их позже; отдельной модели XR-1 в организации Hugging Face нет.
- Рост с 26% до 75% получен на подмножестве примерно в 20 тысяч часов, а не прямым сравнением нуля со всем корпусом в 100 тысяч часов.
- Задания в проверке были знакомыми. Новыми были окружения и предметы, поэтому опыт не доказывает универсальную автономность.
- Цифры симуляционных тестов в материалах расходятся по версиям и метрикам. Например, для RoboCasa365 страница проекта указывает 57,4%, тогда как аннотация препринта сообщает 57,6%. Для RoboDojo отдельно фигурируют средний балл 20,07 и успешность 13,93%.
Фраза Xiaomi «ready-to-use» относится к набору задач и платформ, на которых работали авторы. Для другого робота понадобятся совместимый формат действий, собственные данные, дообучение и проверка безопасности.
Что меняет подход Xiaomi
Xiaomi показала рабочий способ превратить сбор данных для роботов из редкого лабораторного процесса в масштабируемую операцию. Ручные захваты дают разнообразие реального мира, автоматическая разметка сокращает подготовку корпуса, а дообучение переносит навык на конкретные машины.
Главный результат складывается из 100 тысяч часов, более 1700 сред и контролируемого опыта, где объём данных дал больший прирост, чем переход между миллиардными вариантами модели. Следующая проверка начнётся после публикации кода и весов. Тогда независимые команды смогут выяснить, переносится ли эффект за пределы стендов Xiaomi.
Источники и дата проверки
Факты и доступность материалов проверены 21 июля 2026 года. Результаты Xiaomi приведены как заявления авторов и данные их препринта, без предположения о независимой воспроизводимости.
