Xiaomi-Robotics-1 ist mehr als ein weiteres Video eines Roboters, der Wäsche oder Gepäck bewegt. Die eigentliche Behauptung lautet: Robotik könnte endlich einen Skalierungspfad bekommen. Xiaomi spricht von mehr als 100.000 Stunden realer Manipulationstrajektorien, gesammelt mit UMI-Geräten, und anschließendem Post-Training mit Daten verschiedener Roboterkörper, darunter mehr als 7.200 Stunden aus echten Wohnungen.

Robotisches Foundation Model bei Haushaltsaufgaben

Damit adressiert Xiaomi das Kernproblem der Robotik: Daten. Sprachmodelle konnten skalieren, weil Text reichlich vorhanden war. Roboter brauchen physische Interaktion, und die ist teuer. Wenn das Konzept funktioniert, verschiebt sich der Wert von einzelnen Demonstrationen hin zu Datenpipelines, Cross-Embodiment-Training und wiederverwendbaren Policies.

Was XR-1 behauptet

XR-1 ist ein Vision-Language-Action-Modell für mobile Manipulation. Es soll visuelle Eindrücke, menschliche Anweisungen und Roboteraktionen verbinden. Zuerst lernt es aus UMI-Trajektorien in mehr als 1.700 Szenarien, danach wird es mit Roboterdaten und realen Aufgaben abgeglichen.

Die gezeigten Aufgaben wirken alltäglich: Sofa aufräumen, Schuhe sortieren, Küchengegenstände verstauen, Wäsche laden, Taschen packen. Genau deshalb sind sie schwer. Stoff verformt sich, Reißverschlüsse klemmen, Objekte rutschen, Räume sind unordentlich und Lichtbedingungen wechseln.

Warum Skepsis berechtigt ist

Xiaomi meldet starke Ergebnisse bei Anpassung mit weniger als 10 beziehungsweise 40 Stunden Demonstrationen pro Aufgabe und gute Werte auf RoboCasa, RoboCasa365, VLABench und RoboDojo. Das ist relevant, aber noch kein Beweis für ein Haushaltsprodukt. Ein 85-Prozent-Erfolg kann in der Forschung sehr gut sein und im Wohnzimmer trotzdem zu unzuverlässig wirken.

Die Diskussion auf Hacker News zeigt diese Spannung: Begeisterung über mögliche Hilfe bei Wäsche und Ordnung, aber auch Fragen nach geschnittenen Videos, Fehlversuchen, Modellgewichten, Übertragbarkeit auf andere Roboterkörper und Sicherheit.

Offenheit entscheidet über den Wert

Das GitHub-Repository existiert, enthielt bei der Prüfung aber vor allem README und PDF; die Arbeit kündigt Code und Checkpoints an. Für die Wirkung ist das entscheidend. Erst mit Gewichten, Skripten, Lizenzen, Datenkarten und Hardwareannahmen können andere Labore und Startups testen, ob die Übertragung außerhalb von Xiaomis Setup funktioniert.

Auch die Datenherkunft zählt: Zustimmung, Privatsphäre, Vielfalt der Umgebungen, Aufgabenverteilung, Fehler und Wiederherstellung. Viele Daten sind nur dann wertvoll, wenn klar ist, was sie abdecken.

Wo der Nutzen zuerst entstehen könnte

Privathaushalte sind die emotionale Vision, aber halbstrukturierte Umgebungen sind realistischer: Lager, Hotels, Pflegeunterstützung, Prüflabore für Haushaltsgeräte oder leichte Logistik. Dort lassen sich Aufgaben begrenzen, zusätzliche Demonstrationen sammeln und Fehler systematisch auswerten.

XR-1 beweist also nicht, dass der universelle Heimroboter vor der Tür steht. Es zeigt aber, dass Robotik ernsthaft den Foundation-Model-Ansatz übernimmt. Der Wendepunkt kommt erst, wenn unabhängige Tests, veröffentlichte Fehlerraten, Hardwarekosten und sicherer Betrieb in unordentlichen realen Räumen zusammenkommen.