小米机器人Xiaomi-Robotics-0发布：消费级显卡畅跑具身智能迎突破

　　小米在机器人领域投下一枚重磅炸弹，正式发布并开源了其全新的具身智能模型，并首次公开了真机运行画面，引发了行业内的广泛关注。这款模型的发布，旨在解决长期以来困扰机器人模型发展的诸多难题，特别是在真实物理世界中的推理延迟和落地成本问题。

　　Xiaomi-Robotics-0模型的发布，标志着小米在具身智能领域取得了显著进展。这款模型拥有 47 亿参数规模，集成了视觉语言理解和高性能实时执行能力。它在Libero、Calvin和SimplerEnv三大全球主流具身智能测试集中，超越了 30 多款主流模型，并在所有基准测试中均斩获SOTA（State-of-the-Art）。

　　Xiaomi-Robotics-0最大的亮点在于它能够在普通消费级显卡上实现实时推理，这极大地降低了具身智能技术的落地门槛。这意味着，普通开发者无需投入巨额资金购买专业显卡，也能进行机器人技术的研发和实验。这一突破性的进展，有望加速具身智能技术的普及，推动整个行业的发展。

　　小米能够实现这一突破，关键在于其自研的Mixture-of-Transformers (MoT)混合架构。这一架构可以看作是为机器人打造的“双脑协同系统”，兼顾了决策与执行效率。其中，视觉语言大脑（VLM）负责理解人类指令和感知环境，即使面对模糊指令，也能精准把握空间关系和任务目标，保留了多模态理解能力。动作执行小脑（DiT）则专注于将指令转化为流畅动作，生成连续的“动作块”，并通过流匹配技术确保动作精准稳定，从而解决了传统模型动作断层的问题。

　　为了让机器人既“聪明”又“能干”，小米团队还设计了独特的两阶段训练方案。第一阶段通过跨模态预训练，让模型在学习动作的同时，不丢失物体识别、视觉问答等基础能力。第二阶段通过后训练优化，采用异步推理模式解决真机“动作断层”问题，搭配CleanActionPrefix和Λ-shapeAttentionMask技术，大幅提升了环境适配能力。

　　从曝光的真机视频来看，Xiaomi-Robotics-0在处理不同物体时表现出色，无论是软质毛巾的叠放，还是刚性积木的拆解，都能从容应对，充分展现了物理智能真正落地的成果。

　　小米此次展现出了强大的开放姿态，将Xiaomi-Robotics-0的成果全量ued体育开源，包括技术主页、GitHub开源代码、HuggingFace模型权重等。这一举措打破了大厂对具身智能核心技术的垄断，为普通开发者参与机器人技术研发提供了机会，加速了整个行业的技术迭代。

　　随着Xiaomi-Robotics-0的发布，小米在机器人领域的布局也逐渐清晰。雷军在微博中透露，小米仍在全球招募顶尖人才，持续冲刺下一代技术。此次发布的成果仅仅是阶段性的，未来或许还会有更多惊喜。具身智能技术的发展，无疑将对未来的智能家居、服务机器人等领域产生深远影响。未来，我们是否会看到更多类似Xiaomi-Robotics-0这样的创新，推动整个行业的发展？