2月12日 消息:今日，小米科技創(chuàng)始人雷軍在微博上宣布了一項重大技術進展:小米機器人團隊正式開源發(fā)布全新具身智能VLA模型Xiaomi-Robotics-0，并首次對外曝光了真機運行畫面，引發(fā)科技界廣泛關注。

Xiaomi-Robotics-0模型擁有47億參數規(guī)模，不僅具備視覺語言理解能力，還能實現高性能實時執(zhí)行。在三大主流仿真測試中，該模型表現卓越，橫掃行業(yè)標桿，拿下全項SOTA（State-of-the-Art）成績，更在真實機器人上實現了流暢動作，標志著小米在機器人領域取得了關鍵性突破。

尤為引人注目的是，Xiaomi-Robotics-0能在普通消費級顯卡上實現實時推理，這一特性直接打破了高端機器人模型只能依賴昂貴專業(yè)顯卡運行的局限，降低了具身智能技術的落地門檻，讓更多普通開發(fā)者和團隊能夠接觸并應用這一先進技術。

長期以來，機器人模型面臨著推理延遲高、動作不連貫以及硬件門檻極高等核心痛點。傳統(tǒng)VLA模型在真實物理世界中表現遲鈍，動作斷斷續(xù)續(xù)，難以像人類一樣自然操作。而高性能模型則往往需要昂貴的專業(yè)顯卡支持，限制了技術的普及和應用。小米此次發(fā)布的Xiaomi-Robotics-0模型，正是針對這些行業(yè)頑疾進行了深入研究和創(chuàng)新。

小米自研的Mixture-of-Transformers（MoT）混合架構為機器人裝上了“雙腦協(xié)同系統(tǒng)”，兼顧了決策與執(zhí)行效率。視覺語言大腦(VLM)負責聽懂人話、看懂環(huán)境，精準理解空間關系和任務目標;動作執(zhí)行小腦(DiT)則專門負責將指令轉化為絲滑動作，保證精準穩(wěn)定。這一架構從根本上解決了傳統(tǒng)模型動作斷層的痛點，讓機器人動作更加接近人類靈活度。

小米團隊還設計了兩階段訓練方案，通過跨模態(tài)預訓練和后訓練優(yōu)化，確保模型在學動作的同時不丟失基礎能力，并大幅提升環(huán)境適配能力。從曝光的真機視頻中可以看到，無論是處理軟塌塌的柔性物體如毛巾，還是面對剛性積木，機器人都能從容完成，手眼協(xié)調穩(wěn)定，不會出現卡頓或失誤。

在Libero、Calvin、SimplerEnv三大全球主流具身智能測試集中，Xiaomi-Robotics-0對標超過30款主流模型，在所有基準測試中全部拿下SOTA成績，用實打實的數據證明了其行業(yè)領先地位。

更令人稱贊的是小米的開放格局。此次成果全量開源，技術主頁、GitHub開源代碼、Hugging Face模型權重全部公開，全球開發(fā)者都能免費使用、二次開發(fā)。這一舉措徹底打破了大廠對具身智能核心技術的壟斷，加速了整個行業(yè)的技術迭代。