シャオミ、実体化 AI 基盤モデル「Xiaomi-Robotics-1」をオープンソース化
本文の状態
日本語全文を表示中
詳細モードで約6分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TLDR AI
Xiaomi は汎用ロボット知能を目指す Embodied AI ファウンデーションモデル「Xiaomi-Robotics-1」をオープンソース化し、実機ポストトレーニングからデプロイまでのパイプラインとベンチマークコードを提供した。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るAI深層分析を開く2026年8月7日 22:34
AI深層分析
キーポイント
フルスタックのオープンソース化
Xiaomi は実機でのポストトレーニングからモデル展開に至る完全なパイプラインと、ベンチマーク評価用のコードを公開し、研究開発の障壁を下げる。
大規模データによる事前学習
同モデルは 10 万時間以上の UMI データで事前学習され、さらに 1 万時間以上のクロスエンボディメントデータでポストトレーニングされている。
プロプライエタリシステムへの対抗
Figure AI や Tesla が囲い込みを進める中、Xiaomi の公開はオープンソースの哲学に則り、業界における強力な対抗勢力となる。
モデル詳細の欠如とデータ制限
アーキテクチャやパラメータ数などの詳細が不明で、UMI データに依存しているためドメイン一般化に疑問が残る。
競合他社との比較と立ち位置
Google の RT-2 や Meta の Habitat と比較され、研究ベンチマークのリーダーではなく実装重視のツールキットとして位置づけられる。
重要な引用
The release targets robotics developers and researchers building general-purpose robot intelligence.
This move injects a significant open-source contender into a field dominated by proprietary systems.
Xiaomi's release sits somewhere in between, a practical, deployment-focused toolkit rather than a research benchmark leader.
Open-sourcing a model rarely guarantees widespread adoption.
編集コメントを表示
編集コメント
Xiaomi が消費電機メーカーとしてロボット知能の基盤モデルをオープンソース化したことは、業界のパラダイムシフトを示唆する。ただし、アーキテクチャやパラメータ数などの詳細情報が欠落している点は、実装における課題となり得る。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
2026 年 8 月 5 日（Inside AI）— Xiaomi は、実体化 AI の基盤モデル「Xiaomi-Robotics-1」をオープンソースとして公開しました。同社の技術アカウントが本日発表したこの発表では、実機でのポストトレーニングからモデルのデプロイに至るまでのフルパイプラインと、ベンチマーク評価用のコードも含まれています。
今回のリリースは、汎用的なロボット知能の開発に取り組む開発者や研究者を主な対象としています。Xiaomi-Robotics-1 は、UMI データを用いた 10 万時間以上の事前学習と、異なる身体構造間でのデータを用いた 1 万時間以上のポストトレーニングを経て訓練されました。このモデルは 7 月、「実体化 AI のための箱入り基盤モデル」として初めて登場しました。
今回の発表により、従来は独自システムが支配していた分野に、重要なオープンソースの対抗馬が加わることになります。Figure AIやTeslaのような大手企業が採用する囲い込みアプローチへの挑戦であり、同時にHugging Faceのプロジェクト「LeRobot」などが掲げるオープンな哲学とも合致しています。プロジェクトウェブサイト、GitHubリポジトリ、そしてHugging Faceページが用意され、実験のハードルは大幅に低下しました。
なぜ Xiaomi の発表は独自ロボット大手への挑戦となるのか
タイミングは極めて重要です。物理的なロボットに汎用的な知能を持たせることを目指す「エンボディド AI」は急速に進化を遂げてきましたが、依然として分野が分断された状態にあります。多くの最先端モデルは企業の壁の向こう側に閉じ込められたままです。しかし、Xiaomi は完全なポストトレーニングとデプロイメントのパイプラインをオープンソース化することで、希少なエンドツーエンドの設計図を提供しました。これにより、研究チームは大手家電メーカーがシミュレーションから実世界への転送（sim-to-real transfer）や多様なロボット形態での学習にどう取り組んでいるかを、より深く検証できるようになります。
このモデルのトレーニング手法も特筆すべき点です。10 万時間にも及ぶユニバーサルマニピュレーションインターフェース (UMI) データの使用は、多様でスケーラブルなデータ収集に注力していることを示唆しています。人間の実演からロボットの操作データを収集するためのフレームワークである UMI は、そのシンプルさゆえに注目されています。これとクロスエンボディメント（異なるロボット形態間）のポストトレーニングを組み合わせることで、Xiaomi は異なるハードウェア間で適応可能なモデルの構築に取り組んでいることがわかります。これは同分野における聖杯ともいえる目標です。
発表では「今回のリリースには、実機でのポストトレーニングからモデルデプロイメントまでの全工程と、関連するベンチマーク評価用のコードが含まれています」と記されています。この透明性は、ベンチマーク化の取り組みを加速させる可能性があります。エンボディド AI 分野ではタスクや環境が wildly に多様であるため、標準化された評価手法の欠如は依然として大きな課題です。Xiaomi が提供したベンチマークコードが、コミュニティにより一貫性のある指標の採用を促すきっかけとなるかもしれません。
オープンソースのロボットモデルはコード公開にもかかわらず普及の障壁に直面
しかし、今回の公開にはまだ課題が残っています。発表内容にはモデルのアーキテクチャやパラメータ数、具体的なベンチマーク結果に関する詳細が不足しており、性能の基準となるデータも示されていません。そのため、開発者は実際に活用できるかどうかを評価するために、相当な時間を投入する必要があります。また、UMI データセットへの依存は、ドメイン一般化能力に対する疑問も生んでいます。UMI で収集されたデータにはノイズが含まれる可能性があり、主にテーブル上のタスクに限定されているため、モデルが狭い操作シナリオに縛られてしまう恐れがあります。
競合するオープンソースの取り組みを見ると、状況は複雑です。Google DeepMind の RT-2 モデルは完全なオープンソースではありませんが、ウェブ規模の視覚言語データを用いて性能ベンチマークを確立しました。一方、Meta が提供する Habitat シミュレータは堅牢な評価フレームワークを提供していますが、統合された基盤モデルは備えていません。Xiaomi の今回の公開はその中間に位置し、研究分野でのベンチマークリーダーというよりは、実用性と展開を重視したツールキットと言えます。
業界の歴史を振り返れば、期待値を調整する必要があります。モデルをオープンソース化しても、それがすぐに広く採用されることを保証するものではありません。OpenAI が GPT-2 を段階的に公開した際は議論を呼びましたが、結果としてエコシステムを活性化させました。しかしロボティクス分野では、ハードウェアの多様性や安全性への懸念がコミュニティでの普及を妨げることがあります。Xiaomi 自身が CyberOne プラットフォームを通じて人型ロボットに注力していることを考えれば、今回の公開は人材獲得やエコシステム構築の一環としても機能する可能性があります。
中国では、政府の支援と堅牢な製造業基盤が相まって、エンボディド AI への注力が高まっています。こうした環境はオープンソースロボティクスにとって格好の土壌となっています。今回の Xiaomi の動きは、Huawei や Alibaba といった他の中国テック大手にも同様の動きを促す可能性があります。現時点ではコードは GitHub と Hugging Face で公開されており、世界中の開発者がその基盤の上に新たな構築を進めることを呼びかけています。
原文を表示
August 5, 2026, (Inside AI) — Xiaomi has released its embodied-AI foundation model, Xiaomi-Robotics-1, as open source. The technology account announced the move today, covering the full pipeline from real-robot post-training to model deployment. Code for benchmark evaluations is also included.
The release targets robotics developers and researchers building general-purpose robot intelligence. Xiaomi-Robotics-1 was pretrained on more than 100,000 hours of UMI data and post-trained on over 10,000 hours of cross-embodiment data. The model first appeared in July as an "out-of-the-box" foundation model for embodied AI.
This move injects a significant open-source contender into a field dominated by proprietary systems. It challenges the walled-garden approaches of companies like Figure AI and Tesla, while aligning with the open philosophy of projects such as LeRobot from Hugging Face. The release includes a project website, GitHub repository, and Hugging Face page, lowering the barrier for experimentation.
Why Xiaomi's Release Challenges Proprietary Robotics Giants
The timing is critical. Embodied AI, the quest to give physical robots generalizable intelligence, has seen rapid advances but remains fragmented. Most leading models are locked behind corporate walls. By open-sourcing a full post-training and deployment pipeline, Xiaomi offers a rare end-to-end blueprint. Researchers can now scrutinize how a consumer electronics giant tackles sim-to-real transfer and multi-embodiment learning.
The model's training recipe is particularly notable. The 100,000 hours of Universal Manipulation Interface (UMI) data suggests a focus on diverse, scalable data collection. UMI, a framework for gathering robot manipulation data from human demonstrations, has gained traction for its simplicity. Combining this with cross-embodiment post-training indicates an effort to build a model that adapts across different robot hardware, a holy grail in the field.
"The release covers the full process from real-robot post-training to model deployment and includes code for related benchmark evaluations," the announcement stated. This transparency could accelerate benchmarking efforts. Standardized evaluation remains a pain point in embodied AI, where tasks and environments vary wildly. Xiaomi's included benchmark code may push the community toward more consistent metrics.
Open-Source Robotics Models Face Adoption Hurdles Despite Code Availability
However, the release is not without gaps. The announcement lacks details on the model's architecture, parameter count, or specific benchmarks. Without performance baselines, developers must invest significant time to gauge its real-world utility. The reliance on UMI data also raises questions about domain generalization. UMI-collected data can be noisy and limited to tabletop tasks, potentially constraining the model to narrow manipulation scenarios.
Competing open-source efforts offer a mixed picture. Google DeepMind's RT-2 model, while not fully open, has set performance benchmarks with web-scale vision-language data. Meta's Habitat simulators provide robust evaluation frameworks but lack a unified foundation model. Xiaomi's release sits somewhere in between, a practical, deployment-focused toolkit rather than a research benchmark leader.
Industry history tempers expectations. Open-sourcing a model rarely guarantees widespread adoption. OpenAI's decision to release GPT-2 in stages sparked debate but ultimately fueled an ecosystem. Yet in robotics, hardware diversity and safety concerns often slow community uptake. Xiaomi's own ambitions in humanoid robots, showcased with its CyberOne platform, suggest this release may also serve as a talent magnet and ecosystem play.
The broader context sees China accelerating its embodied AI push. Government initiatives and a robust manufacturing base create fertile ground for open-source robotics. Xiaomi's move could pressure other Chinese tech giants like Huawei and Alibaba to follow suit. For now, the code is live on GitHub and Hugging Face, inviting the world to build on its foundations.
関連記事
News to Guide
ニュースの次に確認する
発表内容を、現在の料金や仕様と照らし合わせられる関連ガイドです。
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み