/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
28 июл 2026

Xiaomi-Robotics-1-5B

Языковая модельИзображение, текст → action

XR-1 — VLA-модель Xiaomi для мобильной роботизированной манипуляции, предназначенная для дальнейшего постобучения на данных конкретного воплощения.

1скачиваний за 30 дней20лайковвеса обновлены14 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Xiaomi Robotics разработала Xiaomi-Robotics-1 (XR-1) — постобученный чекпойнт VLA-модели для мобильной манипуляции роботами. Он предназначен для дальнейшего постобучения с кодовой базой Xiaomi-Robotics-1, а не описан как готовая модель для непосредственного развёртывания. Модель инициализирована на основе предварительно обученной системы, использовавшей более 100 тысяч часов траекторий UMI без привязки к воплощению, и затем постобучена на более чем 10 тысячах часов данных разных роботизированных платформ.

Визуально-языковая часть использует Qwen3-VL-4B-Instruct. Сценарий применения — мобильная манипуляция, где робот воспринимает визуальные данные и инструкции и формирует действия. Для указанного справочного окружения требуются Python 3.9 или новее, CUDA GPU, Transformers 4.57.1 и FlashAttention 2. Репозиторий содержит веса PyTorch и распространяется по лицензии Apache 2.0. Карточка не уточняет поддерживаемые языки, длину контекста или конкретный формат входов и выходов действий.

Сценарии применения

  • адаптация модели мобильного робота к конкретной платформе
  • постобучение робота на демонстрациях манипуляции
  • разработка систем мобильной манипуляции с визуальными и языковыми входами

Ограничения

Чекпойнт предназначен для дальнейшего постобучения; для справочного окружения нужны CUDA GPU и FlashAttention 2. Карточка не описывает напрямую форматы управления роботом и языковое покрытие.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Xiaomi-Robotics-1-5B

This repository contains the post-trained Xiaomi-Robotics-1 (XR-1) checkpoint for further post-training with the Xiaomi-Robotics-1 codebase. XR-1 is a Vision-Language-Action (VLA) foundation model for mobile manipulation, initialized from a model pre-trained on over 100K hours of embodiment-free UMI trajectories and subsequently post-trained on over 10K hours of cross-embodiment data.

Requirements

The reference environment requires Python >= 3.9, a CUDA GPU, transformers==4.57.1, and FlashAttention 2.

The Qwen3-VL backbone is loaded from Qwen/Qwen3-VL-4B-Instruct.

Post-training

Clone the source repository and install the dependencies:

git clone https://github.com/XiaomiRobotics/Xiaomi-Robotics-1.git
cd Xiaomi-Robotics-1/xr1
pip install -e .
pip install flash-attn --no-build-isolation

Download model_states.pt from the Files and versions tab and place it at:

pretrained_ckpt/model_states.pt

Download the XR-1 post-training demo dataset, then launch post-training:

wandb login

RESOURCE_GPU=1 bash scripts/train.sh \
  trainer.project="xiaomi-robotics-1" \
  trainer.exp_name="posttrain" \
  trainer.default_root_dir="outputs" \
  data=load_washer \
  model=posttrain \
  model.params.pretrained="pretrained_ckpt/model_states.pt"

The training configuration expects the demo episodes under data/. See xr1/README.md for the data format, normalization statistics, and multi-GPU training options.

Deployment

After post-training, serve the resulting checkpoint with:

bash scripts/deploy.sh outputs/project_xiaomi-robotics-1/posttrain 1 1

The runtime client accepts three camera images, a natural-language instruction, and the current robot state, and returns the predicted action sequence. See the deployment documentation before connecting a post-trained checkpoint to a robot.

Citation

@article{team2026xiaomi,
  title={Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories},
  author={Team, Xiaomi Robotics and Guo, Jun and Jin, Piaopiao and Li, Jason and Li, Peiyan and Li, Yingyan and Liu, Futeng and Peng, Wanli and Qin, Optimus and Su, Yifei and others},
  journal={arXiv preprint arXiv:2607.15330},
  year={2026}
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели для роботов не запускаются как сервис инференса.

Ревизия весов
ee21d52

0 моделей