小米扔深水炸弹：100000h真实数据，首次系统验证机器人Scaling Law

智东西 作者 | 三北 编辑 | 漠影 2026年初，黄仁勋预言 物理AI的“ChatGPT时刻” 即将到来。 但机器人要复刻大模型的Scaling Law（规模法则），比想象中难得多。 机器人的训练数据需要从真实世界里获取，行业长期困在小数据、单任务、反复调参的“手工作坊”阶段。 今天，小米刚刚扔出一颗“深水炸弹”—— Xiaomi-Robotics-1具身基座模型 ，试图改变这一局面。 Xiaomi-Robotics-1基于 10万小时 真实世界操作轨迹进行预训练，再用约 1.1万小时 跨本体数据完成后训练。据悉，这是 国内首次在机器人策略模型中，对Scaling Law进行较为完整的系统验证。 实验结果显示，当预训练数据从2500小时扩大至2万小时，模型在验证集上的 动作预测损失持续下降 ；当参数规模从20亿提升至50亿、100亿， 动作预测能力同样稳定改善 。机器人在未见过的家庭环境中完成鞋柜收纳、书包打包等任务的成功率都随之提高。 具身智能，正在从依赖单任务数据和经验调参的1.0时代，迈入由数据、模型规模共同驱动的“工业化”2.0时代。 ▲Xiaomi-Robotics-1落地机器人视频演示 项目主页： https://robotics.xiaomi.com/xiaomi-robotics-1.html 一、10万小时数据，验证机器人Scaling Law 机器人行业从来不缺“数据越多越好”的共识，但难点在于数据太贵、太碎。 传统数据主要来自真机遥操作。操作者需要在真实环境中完成抓取、整理、搬运等任务，还要处理失败重试与设备维护。这种数据不仅采集慢，而且天然绑定具体机