샤오미가 실제 조작 경로 10만 시간으로 학습한 로봇 파운데이션 모델 'Xiaomi-Robotics-1'을 발표했어요. 이 모델은 Vision-Language-Action(VLA) 방식으로, 낯선 환경에서 모바일 조작을 수행하고 새로운 작업에 빠르게 적응할 수 있어요.
XR-1은 대규모 언어 모델처럼 사전 학습과 후속 학습의 2단계 방식으로 훈련되었으며, 사전 학습의 확장성이 실제 로봇 성능으로 안정적으로 전달되는 것을 확인했어요.
Qwen3-VL과 Diffusion-Transformer(DiT)를 결합하여 빠른 추론 속도를 확보했으며, 관련 정보는 Hugging Face와 GitHub에서 확인할 수 있어요.