Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 小米开源首代机器人VLA大模型Xiaomi-Robotics-0:47亿参数MoT架构,实现实时流畅控制
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
小米开源首代机器人VLA大模型Xiaomi-Robotics-0:47亿参数MoT架构,实现实时流畅控制
Prompt 语宙 > AI 工具 > 小米开源首代机器人VLA大模型Xiaomi-Robotics-0:47亿参数MoT架构,实现实时流畅控制
AI 工具AIGC 资讯

小米开源首代机器人VLA大模型Xiaomi-Robotics-0:47亿参数MoT架构,实现实时流畅控制

Prompt 语宙研究院
最近更新: 2026年6月7日 下午8:06
VLA大模型 Xiaomi-Robotics-0 具身智能 小米开源 机器人大模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 47亿参数MoT架构把“脑”和“小脑”分工协同,兼顾多模态理解与高频动作控制。
  • 异步执行+Λ-shape注意力掩码,重点解决推理延迟带来的动作卡顿问题。
  • 在LIBERO、CALVIN等仿真基准刷新SOTA,并可完成积木拆解、毛巾折叠等真机任务。

💡 站外导读:具身智能(Embodied AI)正成为人工智能的下一个突破焦点,但机器人“大脑”与“小脑”的高效协同、以及实时控制中的延迟卡顿问题,始终是阻碍其从实验室走向真实世界的关键瓶颈。传统模型要么理解力强但控制粗糙,要么控制精准但反应迟缓,难以满足复杂任务需求。这导致机器人落地场景受限,商业潜力未被充分释放。

Xiaomi-Robotics-0是什么

Xiaomi-Robotics-0是小米开源的首代机器人VLA(视觉-语言-动作)大模型,拥有47亿参数,采用MoT混合架构,Qwen3-VL多模态模型作为”大脑”理解视觉语言指令,Diffusion Transformer作为”小脑”生成高频动作块。创新性地引入异步执行与Λ-shape注意力掩码,解决推理延迟导致的动作卡顿,实现消费级显卡上的实时流畅控制。在LIBERO、CALVIN等仿真基准测试中刷新SOTA,成功应用于积木拆解、毛巾折叠等真机双臂操作任务。

阅读目录
  • Xiaomi-Robotics-0是什么
  • Xiaomi-Robotics-0的主要功能
  • Xiaomi-Robotics-0的技术原理
  • Xiaomi-Robotics-0的项目地址
  • Xiaomi-Robotics-0的应用场景
      • 📝 站长洞察 (Editor’s Insight)

Xiaomi-Robotics-0-

Xiaomi-Robotics-0的主要功能

  • 自然语言理解:模型能解析人类模糊指令,从视觉输入中识别空间关系与操作意图。
  • 动作生成控制:模型能输出高频平滑的动作序列,驱动机器人完成精确物理操作。
  • 实时异步执行:支持推理与执行并行,消除延迟卡顿,保障动作连贯流畅。
  • 双臂协同操作:支持双手配合完成积木拆解、毛巾折叠等复杂长周期任务。
  • 自适应策略调整:模型能在抓取失败或环境变化时,自动切换动作策略灵活应对。
  • 多模态能力保持:模型保留了视觉问答、物体检测等通用理解能力,防止灾难性遗忘。

Xiaomi-Robotics-0的技术原理

  • MoT混合架构:以Qwen3-VL-4B多模态模型作为”大脑”处理视觉语言输入,Diffusion Transformer作为”小脑”负责动作生成,总参数量47亿,兼顾通用理解与精细控制。
  • 两阶段训练:第一阶段通过Action Proposal机制让VLM学习动作分布对齐特征空间,混合视觉语言与机器人数据防止遗忘;第二阶段冻结VLM,专项训练DiT通过流匹配从噪声中恢复精准动作序列。
  • 异步执行机制:机器人执行当前动作块的同时并行推理下一区块,用Clean Action Prefix将前一时刻动作作为输入条件,确保轨迹时序连续,从机制上消除推理延迟导致的动作断层。
  • Λ-shape注意力掩码:替换DiT的因果注意力掩码,支持紧邻前缀的噪声token关注历史动作实现平滑过渡,同时禁止后续token访问前缀,强制其关注视觉信号,避免模型复制惯性动作,提升对环境突发变化的反应灵敏度。

Xiaomi-Robotics-0的项目地址

  • 项目官网:https://xiaomi-robotics-0.github.io/
  • GitHub仓库:https://github.com/XiaomiRobotics/Xiaomi-Robotics-0
  • HuggingFace模型库:https://huggingface.co/collections/XiaomiRobotics/xiaomi-robotics-0
  • 技术论文:https://xiaomi-robotics-0.github.io/assets/paper.pdf

Xiaomi-Robotics-0的应用场景

  • 工业精密装配:模型可精准拆解由多达20块积木组成的复杂装配体,适用电子产品、汽车零部件等精密组装场景。
  • 家庭服务清洁:模型能主动甩动毛巾暴露遮挡角落,识别多余物品并放回,适用于家务辅助与养老护理场景。
  • 物流仓储分拣:模型凭借高频平滑的动作生成能力,适应不同形状、材质的多样化商品处理需求。
  • 科研教育开发:模型支持高校与研究机构开展具身智能算法研究、机器人控制策略开发及教学演示。
  • 商业交互展示:模型可在展厅、门店、发布会等场景部署,展现低延迟、高流畅度的人机协作能力,提升品牌技术形象。

📝 站长洞察 (Editor’s Insight)

小米此次开源Xiaomi-Robotics-0,标志着其在具身智能领域从“跟随者”向“引领者”的关键跃迁。文章揭示的MoT混合架构极具范式意义:它巧妙地将顶级多模态大模型(Qwen3-VL)的“理解”与扩散模型(DiT)的“控制”解耦又协同,为行业提供了一种可扩展的“大脑-小脑”工程化方案。更关键的是,其提出的异步执行与Λ-shape注意力掩码,直击了VLA模型从仿真到真机部署的“最后一公里”难题——实时性,使消费级硬件流畅控制成为可能。这不仅是技术突破,更是商业落地的关键一步。结合小米在机器人硬件(CyberDog、铁大)和AIoT生态的布局,此举意在抢占“具身智能基座模型”的生态位,为未来智能家居、服务机器人乃至工业自动化提供核心“智能内核”,战略意义深远。

🧭 文中关联 AI 工具官网与参数卡(语宙 AI 导航)
HuggingFace ↗
HuggingFace:AI模型开发社区,面向大语言模型场景提供便捷实用的在线功能支持,涵盖大模型等实用方向。
❓ 常见问题解答(FAQ)
Xiaomi-Robotics-0是什么模型?

Xiaomi-Robotics-0是小米开源的首代机器人VLA(视觉-语言-动作)大模型,参数量47亿,采用MoT混合架构,用Qwen3-VL负责理解,用Diffusion Transformer负责动作生成,面向机器人实时控制。

Xiaomi-Robotics-0为什么能减少动作卡顿?

它通过异步执行机制让机器人边执行当前动作块、边推理下一动作块,并用Clean Action Prefix保持时序连续;同时引入Λ-shape注意力掩码,提升对视觉变化的响应,减少延迟造成的断层。

Xiaomi-Robotics-0适合哪些应用场景?

文章提到它适用于工业精密装配、家庭服务清洁、物流仓储分拣、科研教育开发和商业交互展示等场景,尤其适合需要双臂协同、长周期任务和低延迟流畅控制的机器人应用。

🔬 语宙深潜追问 · 进阶实操拆解
MoT 架构为什么适合机器人?

MoT 能把理解、规划和控制能力分开建模,减少单一模型同时处理所有任务的负担。这样更利于训练稳定、模块复用和在不同硬件上部署。

机器人模型上车前要测哪些指标?

除了基准分,更要测实时延迟、控制抖动、失败恢复和长时任务稳定性。若面向消费级硬件,还要关注算力占用、功耗和异常情况下的安全退化。

🗳️ 读者观点微投票 · 您的实战立场是?
机器人 VLA 落地,解耦控制还是端到端更稳?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
  • Wall-OSS-0.5 – 自变量机器人开源的国产具身智能模型
  • 小米OneVL开源:0.24秒延迟!具身智能团队发布SOTA级自动驾驶VLA世界模型
  • 宇树科技重磅开源UnifoLM-VLA-0:基于Qwen2.5-VL-7B,单一模型实现12类机器人操作,准确率98.7%
  • Xiaomi-Robotics-U0 – 小米推出的统一具身合成模型
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
生数科技Vidu Q3重磅发布:全球首款16秒音画同步AI视频生成模型,技术原理与应用场景全解析
Ling-2.6-flash:蚂蚁百灵打造‘干活’模型,104B参数仅激活7.4B,Token效率碾压同行
FaceChain – 阿里推出的人物写真和个人形象生成框架
BookAI
HPC-Ops – 腾讯混元开源的工业级高性能大模型推理算子库
TAGGED:VLA大模型Xiaomi-Robotics-0具身智能小米开源机器人大模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 MonsterClaw:本地AI执行系统,隐私安全与自动化兼得 MonsterClaw:本地AI执行系统,隐私安全与自动化兼得
下一篇 字节跳动Seed2.0大模型系列发布:多模态SOTA、Agent能力跃迁,API成本降一个数量级 字节跳动Seed2.0大模型系列发布:多模态SOTA、Agent能力跃迁,API成本降一个数量级
Ad image
Ad image

最近更新

WordPress 7.2版本更新与默认随机重定向、Secrets API撤回及MCP核心能力拆解封面图
官方博客竟把关闭过滤器写错了!WordPress 7.2前瞻全拆解:默认/random/暗藏隐私与SEO风险、Secrets API紧急撤回与3项MCP只读能力落地
AI 工具
Anthropic上市募资与算力长约的隐喻:现金光环上升,数据中心暗链延伸,治理水晶承受张力与阻力冲击。
募资超1070亿美元却背负9000亿算力长约!Anthropic史上最大IPO背后的三大隐忧:1040亿年内亏损、地方抵制潮与PBC治理死结
AIGC 资讯
微软Copilot与Claude/ChatGPT价格战隐喻:发光玻璃表格堡垒守住Excel,数据流高效汇聚,企业AI竞争升级
3000万付费仅吃下4.5亿席位不到7%!微软Ignite正面叫板Claude与ChatGPT:月均30美元VS 205美元价格战与Excel保卫战全拆解
AIGC 资讯
联想AI推理时代的端边云全栈算力插画:玻璃拟态服务器核心发光,光流连接云端与边缘节点,呈现营收与订单增长动能。
AI营收暴涨80%且握5300亿服务器订单!联想Q2单季营收首破2000亿、净利狂飙166%:端边云全栈算力如何接住推理时代红利?
AIGC 资讯

相关推荐

TreeMind树图
AI 工具

TreeMind树图

remaker
AI办公效率 AI智能体 开源大模型
ROMA:Sentient AGI开源递归多智能体框架,重塑深度研究与金融分析
AI 工具

ROMA:Sentient AGI开源递归多智能体框架,重塑深度研究与金融分析

Prompt 语宙研究院
Sentient AGI 多智能体框架 开源AI 深度研究 金融分析
AReaL 2.0 – 蚂蚁等开源的Agent在线强化学习基础架构
AIGC 资讯

AReaL 2.0 – 蚂蚁等开源的Agent在线强化学习基础架构

Prompt 语宙研究院
AI智能体 AI编程 PyTorch 开源大模型
美团开源560亿参数LongCat-Flash-Prover:数学定理证明SOTA,性能全面碾压现有模型
AI 工具AIGC 资讯

美团开源560亿参数LongCat-Flash-Prover:数学定理证明SOTA,性能全面碾压现有模型

Prompt 语宙研究院
Lean4 LongCat-Flash-Prover 大模型 数学定理证明 美团
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.