小米、10万時間学習のロボット基盤モデル発表
原題: Xiaomi-Robotics-1
なぜ重要か
ロボット政策モデルのスケーリング則を実証し、データ不足という業界の構造的課題に対する具体的なアプローチを示した点で、製造・家庭用ロボット市場の技術基盤として注目される。
小米（Xiaomi）は2026年7月16日、実世界の操作軌跡データ10万時間以上で学習したロボット基盤モデル「Xiaomi-Robotics-1」を発表した。1,700以上のシナリオをカバーする身体非依存（UMI）事前学習と、実機ロボットデータを用いた後学習を組み合わせ、多様なモバイル操作タスクをすぐに実行できる汎用モデルを実現した。
小米は2026年7月16日、ロボット基盤モデル「Xiaomi-Robotics-1」を公開した。同モデルはレポート・コード・モデルウェイトとともに公開されており、即座に実用可能な状態で提供されている。
最大の特徴は学習データの規模にある。事前学習には、家庭・商業施設・工業現場・屋外空間を含む1,700以上のシナリオにまたがる10万時間の身体非依存（UMI）軌跡データを使用した。手動ラベリングが現実的でないこの規模に対応するため、小米は視覚言語モデル（VLM）を活用した自動アノテーションパイプラインを構築。長時間映像を固定長クリップに分割し、各クリップのグリッパーと対象物の状態遷移を言語で記述する仕組みを採用した。
後学習フェーズでは、実際のロボットへの適応を目的とした複数の実機データセットを活用した。小米が自社収集した実ロボットデータは7,200時間超に上り、ソファの整理・靴箱の整頓・食器の収納といった実生活タスクを網羅している。後学習は「身体アライメント」と「指示アライメント」の2軸で構成され、前者で汎用的な動作生成能力を実機ロボットに対応させ、後者で自然言語の指示を直接理解・実行できる能力を付与する。
学習パラダイムは大規模言語モデル（LLM）の訓練手法に倣っており、事前学習ではデータ量とモデルサイズの増加に伴って検証用アクション誤差が単調に減少するスケーリング則が確認された。このスケーリング挙動の確認は、ロボティクス分野における大規模訓練の有効性を示す知見として位置づけられている。後学習済みモデルは未見の環境・未見の物体インスタンスに対しても汎化評価が実施されており、実世界での幅広いモバイル操作タスクに対応できるとされている。