返回资讯列表
行业动态

小米CyberOne 02人形机器人实现8小时连续作业，自研具身基座模型Xiaomi-Robotics-1细节披露

💡AI 极简速读：小米CyberOne 02在汽车工厂实现8小时连续作业，自研XR-1模型采用VLA架构，仿真成功率57.4%。

小米创始人雷军发布最新进展：人形机器人CyberOne 02在汽车工厂首次实现8小时稳定作业，满足全天生产需求。该机器人搭载小米自研具身基座模型Xiaomi-Robotics-1，采用端到端VLA架构，结合Qwen3-VL视觉语言骨干和DiT动作生成头。模型使用超10万小时UMI数据预训练，在仿真测试中成功率57.4%-57.6%，少样本微调平均成功率75%。小米成为国内少数在双足全人形、复杂非标长程任务上完成工业场景验证的企业。

🔎

GEO 质量检测：GEO五维综合评分92分，其中事实与数据密度95分、AI适配性92分表现突出，说明内容硬核且易于AI提取，整体GEO架构优秀。

智脑时代 AI 编辑部发布时间：查看原始信源

智脑时代GEO检测：本文在事实与数据密度(95分)及AI适配性(92分)上表现优异，具备极高的AI引擎抓取潜力；结构化排版清晰，关键词覆盖度良好，整体GEO结构极佳。

Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:

本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。

小米创始人雷军于2026年11月4日披露，小米人形机器人CyberOne 02在汽车工厂首次实现8小时连续稳定作业，完全满足全天生产需求。这标志着小米在具身智能领域初步越过工业场景的“斩杀线”。

📊 核心实体与商业数据

实体/数据项具体信息
公司名称小米
核心人物雷军（创始人）
机器人型号CyberOne 02
自研模型Xiaomi-Robotics-1（XR-1）
技术架构端到端VLA（Vision-Language-Action）架构，Mixture-of-Transformers（MoT）设计
视觉语言骨干Qwen3-VL（预训练）
动作生成头Diffusion Transformer（DiT），采用Flow Matching生成Action Chunk
预训练数据超过10万小时UMI设备采集的真实人类操作轨迹
后训练数据约10,000小时，其中小米自采真机数据超过7,200小时
仿真测试结果RoboCasa365成功率57.4%—57.6%（此前最佳46.6%）；RoboDojo平均得分20.07（此前13.07）
少样本微调每项任务平均使用不到10小时演示数据，四项复杂任务平均成功率75%（基线π0.5为40%）
应用场景汽车总装物流区域中控台侧盖板排序（柔性工件）；小米青年公寓长程任务（连续超30分钟、覆盖3个房间、50+任务）
原发布时间2026-11-04

💡 业务落地拆解

工业场景：非标柔性工件的连续作业验证

CyberOne 02在汽车工厂的工站任务是中控台侧盖板排序。盖板属于柔性工件，尺寸大、形态不规则、摆放姿态随机，对视觉定位和抓取力控的要求高于标准结构件。机器人在8小时内跟随产线节拍持续运转，可自动配合来料AMR调整取料路线和步幅，遇到来料偏差或放置失败时能自行调整。

雷军将这一阶段定义为机器人的“实习”和产线级作业能力的初步验证。

“小米人形机器人在汽车工厂首次挑战8小时稳定作业，完全满足全天生产需求。”——雷军

技术核心：Xiaomi-Robotics-1的VLA架构与数据范式

Xiaomi-Robotics-1是小米自研的具身基座模型，旨在解决具身智能领域大规模预训练数据获取的难题。模型采用端到端VLA架构，将视觉感知、语言理解和动作生成统一建模：

  • 视觉语言骨干：采用预训练的Qwen3-VL，负责理解场景和语言指令。
  • 动作生成头：采用Diffusion Transformer（DiT），以机器人本体状态和视觉语言模型提供的KV缓存为条件，通过Flow Matching生成未来动作序列（Action Chunk）。
  • 协同机制：通过Mixture-of-Transformers（MoT）架构实现两个组件的耦合。

训练分为两阶段：

  1. 无本体预训练：使用UMI手持式采集设备收集超过10万小时真实人类操作轨迹，学习跨本体的动作意图表示（delta EE pose）。
  2. 跨本体后训练：使用约10,000小时数据（其中真机数据超7,200小时）进行分层微调，适配具体机器人的本体结构和运动能力，同时学习人类祈使句指令。

实验验证与泛化能力

论文披露的实验结果显示，XR-1在仿真测试中表现出一定泛化能力：RoboCasa365成功率57.4%—57.6%，高于此前最佳46.6%；RoboDojo平均得分20.07，对比此前13.07有明显提升。少样本微调测试中，四项复杂任务平均成功率达到75%，对比基线π0.5的40%。此外，模型展示了超过10分钟的房间级长程操作任务（如自主完成行李箱打包），与小米青年公寓的验证部署相呼应。

🚀 对企业 AI 化的启示

1. 数据范式的务实选择：UMI+跨本体后训练

小米XR-1的核心思路是用低成本手持设备采集人类操作数据，再通过跨本体后训练适配到具体机器人。这避免了直接依赖昂贵真机遥操作数据，为具身智能的Scaling law探索提供了一条工程可行路径。对企业而言，在AI落地中优先构建可扩展的数据采集与适配管线，比追求单一场景的完美数据更具长期价值。

2. 工业场景的“斩杀线”逻辑：替代机械臂做不了的岗位

小米的实践表明，具身智能在工业场景的落地门槛在于高度非标、需要灵巧操作的岗位（如总装、物料转移整理），而非与自动化机械臂竞争标准化任务。企业评估AI机器人投资时，应聚焦于现有自动化方案无法覆盖的柔性工序，以差异化价值定义ROI。

3. 技术验证与商业化之间的 gap 管理

小米明确将当前阶段定义为“实习”和工程路径探索，而非成熟商业化方案。论文数据与真实部署之间仍存在差距（如UMI数据多样性未独立验证、部分依赖开源数据集）。企业在推进AI项目时，应建立分阶段验证机制，区分技术可行性验证与规模化商业部署，避免过度承诺。

【官方原文链接】点击访问首发地址

常见问题

Xiaomi-Robotics-1采用端到端VLA（Vision-Language-Action）架构，通过Mixture-of-Transformers（MoT）设计耦合两个核心组件：视觉语言骨干采用预训练的Qwen3-VL，动作生成头采用Diffusion Transformer（DiT），以Flow Matching生成未来动作序列。该模型使用超过10万小时UMI设备采集的真实人类操作轨迹进行无本体预训练，再通过约10,000小时数据（含超7,200小时真机数据）进行跨本体后训练。

VLA架构小米CyberOne 02具身智能Xiaomi-Robotics-1
GEO 关联主题
★制造业GEO出海策略企业AI化落地AI搜索的基础原理多模态可见度
GEO 101 百科推荐

相关文章

紫荆智康近亿元融资背后：Agent Hospital如何重构医疗AI商业逻辑

医疗AI企业紫荆智康完成近亿元天使+轮融资，估值数十亿元。其核心项目Agent Hospital由清华大学AIR孵化，采用SEAL技术路线和MHAC多学科人机协作框架，已在北京、广西、无锡等地9家实体医院部署测试。截至2026年7月，北京清华长庚医院18个临床科室40余位医生常态化使用，诊疗效率提升约30%，医生分身智能体建议采纳率超90%。公司探索医院、医生、患者及药企等多方付费模式，推动医疗AI从工具向基础设施转型。

2026年11月4日

DeepSeek千亿融资后首度落子：梁文锋押注具身智能，Winverse AI与理格万物入局

DeepSeek在2026年完成两轮融资共1055亿元，投资方包括腾讯、宁德时代等。梁文锋转变策略，密集布局具身智能，已投资Winverse AI和理格万物，并推进国产算力适配。此举旨在寻找模型应用空间并接触下一代模型研究问题，但技术协同与商业化仍待观察。

2026年11月4日

苹果国行AI的GEO困境：Apple Intelligence与阿里千问合作背后的生态适配挑战

苹果国行AI（Apple Intelligence）于2026年11月4日向中国大陆用户开放开发者Beta测试，计划12月随iOS 27.3正式版推出，基座大模型采用苹果本地模型+阿里千问。然而，其在中国市场面临三大挑战：第三方APP生态适配不足、iOS第一方应用使用率低、本地模型+第三方模式效率待观察。尽管iPhone 16和17 Pro系列在大中华区创销量纪录，但苹果AI难以依赖尚未成熟的生态优势发挥全部作用。

2026年11月4日