2026年的春天，科技圈的目光再次聚焦于小米。时隔四年，在万众期待中，小米在4月27日的投资者日活动上，揭开了其新款人形机器人的神秘面纱。现场，这款机器人能够与参会者亲切互动，轻松地递上纸袋，俏皮地做出“比心”手势，其灵巧与亲和力让不少在场的人眼前一亮。

不过，如果只被这些“卖萌”动作吸引，恐怕会错过小米真正的底牌。

▍从“比心”到进厂“打工”，小米机器人四年磨一剑

回看2022年8月，小米第一代人形机器人CyberOne发布时也曾引发热议。但随后很长一段时间里，小米在人形机器人领域几乎“静音”——这不是停滞，而是一场漫长的积累。

这次的新款机器人，外观上延续了CyberOne的暗灰色调和小米标志，但真正的进化藏在手上。现场演示的“比心”、分发纸袋等动作，看起来简单，背后却是一套基于触觉抓取的微调模型，让机器人拥有了更精细的物理交互能力。

今年3月，雷军对外透露，小米的机器人已经悄悄进了自家的汽车工厂“上班”——不是做样子，而是真的在产线上干活，比如搬运料箱、给自攻螺母上件等。

小米集团合伙人、总裁、手机部总裁卢伟冰在不久前对此进行了解读，小米在机器人方向已经投入了五六年，这次能真正进厂干活，靠的是大模型上的突破。

他点出了两项核心支撑：一是前面提到的灵巧手（基于触觉抓取的微调模型），另一个就是VLA大模型Xiaomi-Robotics-0。根据卢伟冰透露，“这台机器人进厂打螺丝，能够自主运行3小时，安装成功率超过了90%，并满足产线76秒最快节拍的要求。”

当时，卢伟冰也强调，机器人刚刚进入工厂，离大规模应用还需时间。今年大家会在不同阶段看到机器人方面的一些成果展示。

▍20小时速成精细活：Xiaomi-Robotics-0的“丝滑”之道

Xiaomi-Robotics-0是小米在2026年2月发布的VLA（视觉-语言-动作）模型，参数规模4.7B，专门解决机器人在真实作业中容易出现的推理延迟、动作卡顿、能力遗忘等问题。发布首月，它就在HuggingFace全球VLA模型下载榜上冲到了第六名。

为了展示这套模型的真实能力，小米设计了一个相当“刁钻”的测试任务：让机器人把耳机塞回耳机盒。

听起来简单，但对机器人来说挑战不小——耳机和槽位的尺寸几乎严丝合缝，任何微小偏差都会导致对不准，这意味着模型必须具备亚毫米级的空间判断力。更麻烦的是，耳机和盒子表面都极其光滑（表面粗糙度低至Ra0.03μm），轻轻一碰就容易滑偏，模型得在操作过程中不断自我修正，否则根本放不进去。

而Xiaomi-Robotics-0仅需20小时任务数据，就能让机器人拿下这个高难度动作，还能连续、丝滑地完成多组耳机的收纳。

20小时速成的背后，是基于小米预先构建的庞大预训练模型，它包含了约2亿步的机器人运动轨迹数据和超过8000万条的视觉及语言样本。真机后训练（Post-training）的作用，就是在这基础上，用少量真实机器人操作数据进行针对性微调，打通模型走向实际应用的“最后一公里”。

多视角展示装配细节

▍开源独门绝技：小米如何攻克机器人“偷懒效应”

在通往机器人动作“丝滑连贯”的道路上，一个行业通病始终是绕不开的拦路虎——“偷懒效应”。而小米此次开源的核心，正是其攻克这一顽疾的“独门绝技”。

为了让机器人的动作看起来无缝衔接，而不是一顿一顿的机械式操作，小米团队工程师采用了异步推理（Asynchronous Execution）方案，即让机器人在执行当前动作时，就同步开始推理下一步的动作。同时，为了保证前后两个动作能够平滑过渡，引入了动作前缀（Action Prefixing）技术，让新动作基于已有动作轨迹 “生长”出来，就像接力赛选手在接棒前需要一段助跑区一样。

然而，这套组合拳带来了一个行业通病：模型变得“懒惰”了。它发现，只要顺着已有的动作惯性去预测，就能轻松完成任务，从而过度依赖动作惯性，而选择性地忽视了实时视觉反馈。

为了根治这种“偷懒效应”，小米团队独创性地引入了三项关键技术：

自适应加权机制 (Adaptive Loss Re-weighting)：根据模型预测值与真实轨迹的偏差，动态调整 Loss 权重，引导模型针对性地修正关键误差、补齐能力短板。

自适应加权机制 (Adaptive Loss Re-weighting)

Λ型掩码 (Λ-Shape Attention Mask)：通过特殊的注意力机制，确保模型在参考前段动作末尾的同时，保持对当前视觉信号的高度专注，防止陷入单纯的“路径依赖”。

Λ 型掩码 (Λ-Shape Attention Mask)

前缀动作随机遮蔽 (Random Masking)：在训练中对既有的动作前缀进行随机 Dropout，倒逼模型深入挖掘摄像头画面与传感器信号，而非盲目跟从动作惯性。

前缀动作随机遮蔽 (Random Masking)

小米已经将包含这三大核心技术在内的整套真机后训练流程——从数据处理、训练方法到推理代码全面开放。这意味着，全球的开发者都可以利用Xiaomi-Robotics-0这个基座，以及这套被验证行之有效的“反偷懒”方法论，以极低的成本，在各种场景下训练出属于自己的“专属机器人”。

▍结语

时隔四年，小米重回牌桌，但江湖已不是那个江湖。赛道上，不仅有特斯拉Optimus、Figure AI的持续进化，更有国内众多新锐的强势崛起。行业的评判标准也早已从“技术炫技”转向“价值肉搏”，比的不再是谁先走上舞台，而是谁能创价值、跑通商业闭环。

在此背景下，小米将核心的“反偷懒”技术开源，这步棋比单纯发布一款新机器人更具深意。用开放换生态，用标准搏未来。这或许既是小米“先学习、再超越”打法的延续，也是在激烈竞争中，为自己争取“换道超车”可能性的关键一搏。

当越来越多的巨头携制造经验和资本涌入，小米的开源为这场竞赛注入了催化剂。一个机器人不再“偷懒”，且人人皆可参与创造的时代，或许正被加速推开大门。

（更多人形机器人赛道深度文章，请关注微信公众号“人形大讲堂”）