機(jī)器人前瞻（公眾號(hào)：robot_pro）
作者｜葛文婷
編輯｜漠影
機(jī)器人前瞻4月27日?qǐng)?bào)道，今天，小米正式發(fā)布Xiaomi-Robotics-0真機(jī)后訓(xùn)練（Post-training）全流程并開(kāi)源。
Xiaomi-Robotics-0是小米于2026年2月發(fā)布的VLA模型，發(fā)布首月便登上HuggingFace全球VLA模型下載榜第六名。該模型包含4.7B參數(shù)，旨在解決機(jī)器人在實(shí)時(shí)作業(yè)場(chǎng)景下推理延遲、動(dòng)作連貫性不足、能力遺忘等問(wèn)題。
小米表示，真機(jī)后訓(xùn)練是打通VLA模型（視覺(jué)-語(yǔ)言-動(dòng)作模型）邁向落地“最后一公里”的關(guān)鍵。團(tuán)隊(duì)全面公布整套訓(xùn)練流程，旨在降低機(jī)器人智能化技術(shù)門(mén)檻，加速具身智能產(chǎn)業(yè)落地。
在本次真機(jī)后訓(xùn)練中，小米團(tuán)隊(duì)引入的自適應(yīng)加權(quán)機(jī)制(Adaptive Loss Re-weighting)、Λ型掩碼(Λ-Shape Attention Mask)和前綴動(dòng)作隨機(jī)遮蔽(Random Masking)三項(xiàng)技術(shù)，有效破解了業(yè)內(nèi)普遍存在的“偷懶效應(yīng)”問(wèn)題。Xiaomi-Robotics-0僅需20小時(shí)任務(wù)數(shù)據(jù)即可連續(xù)完成多組耳機(jī)收納任務(wù)。
以下是Xiaomi-Robotics-0的相關(guān)技術(shù)、開(kāi)源鏈接：
-
技術(shù)官網(wǎng)：https://robotics.xiaomi.com
-
技術(shù)報(bào)告：https://arxiv.org/abs/2602.12684
-
項(xiàng)目網(wǎng)站：https://robotics.xiaomi.com/xiaomi-robotics-0.html
-
模型權(quán)重：https://huggingface.co/XiaomiRobotics
-
開(kāi)源代碼：https://github.com/XiaomiRobotics/Xiaomi-Robotics-0
一、基于預(yù)訓(xùn)練基座，僅需20小時(shí)任務(wù)數(shù)據(jù)就能學(xué)會(huì)精細(xì)操作
在收納耳機(jī)任務(wù)中，Xiaomi-Robotics-0面臨著兩項(xiàng)核心挑戰(zhàn)：
1、耳機(jī)與收納槽位尺寸匹配精密、公差小，模型必須達(dá)到亞毫米級(jí)的空間感知精度，才能把耳機(jī)精準(zhǔn)地放回耳機(jī)槽中。
2、耳機(jī)與盒體表面粗糙度最低至Ra0.03μm（堪比高品質(zhì)單反鏡頭鏡片），機(jī)器人在收納耳機(jī)時(shí)極易出現(xiàn)位置偏移，模型必須能快速修正動(dòng)作偏差，避免裝配失敗。
針對(duì)以上挑戰(zhàn)，該團(tuán)隊(duì)依托包含約2億步機(jī)器人運(yùn)動(dòng)軌跡數(shù)據(jù)和超8000萬(wàn)條視覺(jué)及語(yǔ)言樣本的預(yù)訓(xùn)練基座，僅通過(guò)20小時(shí)任務(wù)數(shù)據(jù)完成真機(jī)后訓(xùn)練，便能讓Xiaomi-Robotics-0掌握收納耳機(jī)的精細(xì)操作，并連續(xù)完成多組耳機(jī)收納任務(wù)。
二、三項(xiàng)技術(shù)攻克“偷懶效應(yīng)”，打造機(jī)器人的通用能力
此外，小米表示，為了實(shí)現(xiàn)機(jī)器人動(dòng)作的無(wú)縫銜接，該團(tuán)隊(duì)在部署階段采用了異步推理（Asynchronous Execution）方案，即讓機(jī)器人在執(zhí)行當(dāng)前動(dòng)作時(shí)，同步推理下一步動(dòng)作。
同時(shí)，為了確保模型前后兩次推理生成的動(dòng)作軌跡不發(fā)生突變，該團(tuán)隊(duì)在訓(xùn)練中引入了動(dòng)作前綴（Action Prefixing），它能夠讓機(jī)器人基于已有動(dòng)作軌跡衍生全新動(dòng)作，實(shí)現(xiàn)多類(lèi)動(dòng)作之間的無(wú)縫銜接、絲滑切換。
不過(guò)，在引入動(dòng)作前綴（Action Prefixing）之后，一個(gè)業(yè)內(nèi)通病——“偷懶效應(yīng)”也隨之而來(lái)。
偷懶效應(yīng)指的是模型容易過(guò)度依賴動(dòng)作慣性而選擇性地忽視實(shí)時(shí)視覺(jué)反饋。
為了解決這個(gè)通病，小米團(tuán)隊(duì)引入了自適應(yīng)加權(quán)機(jī)制(Adaptive Loss Re-weighting)、Λ型掩碼(Λ-Shape Attention Mask)和前綴動(dòng)作隨機(jī)遮蔽(Random Masking)三項(xiàng)技術(shù)，以此來(lái)平衡機(jī)器人的動(dòng)作連貫性與響應(yīng)靈敏度：
- 自適應(yīng)加權(quán)機(jī)制(Adaptive Loss Re-weighting)：根據(jù)模型預(yù)測(cè)值與真實(shí)軌跡的偏差，動(dòng)態(tài)調(diào)整Loss權(quán)重（誤差的懲罰力度），引導(dǎo)模型針對(duì)性修正關(guān)鍵誤差、補(bǔ)齊能力短板。
- Λ型掩碼(Λ-Shape Attention Mask)：通過(guò)特殊的注意力機(jī)制，確保模型在參考前段動(dòng)作末尾的同時(shí)，保持對(duì)當(dāng)前視覺(jué)信號(hào)的高度專(zhuān)注，防止陷入單純的“路徑依賴”。
- 前綴動(dòng)作隨機(jī)遮蔽(Random Masking)：在訓(xùn)練中對(duì)既有的動(dòng)作前綴進(jìn)行隨機(jī)Dropout（即隨機(jī)、不定時(shí)地讓機(jī)器人運(yùn)動(dòng)控制網(wǎng)絡(luò)中的部分神經(jīng)元失效，不參與計(jì)算和更新），倒逼模型深入挖掘攝像頭畫(huà)面與傳感器信號(hào)，學(xué)會(huì)通用能力，而非盲目跟從動(dòng)作慣性。
結(jié)語(yǔ)：降低訓(xùn)練成本，為解決“偷懶效應(yīng)”提供了新的技術(shù)方案
小米發(fā)布Xiaomi-Robotics-0真機(jī)后訓(xùn)練全流程并開(kāi)源，不僅有助于開(kāi)發(fā)者們利用Xiaomi-Robotics-0在各式各樣的場(chǎng)景中，通過(guò)極低的真機(jī)后訓(xùn)練成本，訓(xùn)練出屬于自己的 “專(zhuān)屬機(jī)器人”，還為業(yè)內(nèi)解決機(jī)器人的“偷懶效應(yīng)”提供了新的技術(shù)方案。
小米透露，其將在多樣化的硬件本體上持續(xù)開(kāi)展跨本體通用能力的部署、測(cè)試與驗(yàn)證，并不斷迭代模型，全面強(qiáng)化具身智能的泛化能力與落地效果。
