# Xiaomi-Robotics-U0 – 小米推出的统一具身合成模型 - Link: https://paooo.com/aigc-news/30755/ - Published: 2026-07-15T18:14:01+08:00 - Author: Prompt 语宙研究院 ⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点 * 统一具身合成框架：把图像、编辑、场景、迁移和视频生成纳入同一自回归模型。 * 实测表现突出：具身场景生成与迁移优于 GPT-Image-2.0，视频生成在 World Arena 排名 第一。 * 对机器人更实用：可将合成场景直接转为策略数据，提升真实操控任务的分布外泛化。 ## Xiaomi-Robotics-U0是什么 Xiaomi-Robotics-U0 是小米推出的 380 亿参数统一具身合成模型，基于世界基础模型持续 训练，联合优化文生图、图像编辑、具身场景生成、具身迁移及具身视频生成五大任务。Xiaomi- Robotics-U0 是首个支持跨多种机器人形态的高质量多视角场景生成模型，在具身场景生成 与迁移的人工评估中超越 GPT-Image-2.0，在 World Arena 具身视频生成榜单排名第一，将 π0.5 在真实世界操控任务的分布外成功率从 36.9% 提升至 63.2%。 阅读目录 * [Xiaomi-Robotics-U0是什么](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e6%98%af%e4%bb%80%e4%b9%88) * [Xiaomi-Robotics-U0的主要功能](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [Xiaomi-Robotics-U0的技术原理](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [如何使用Xiaomi-Robotics-U0](https://paooo.com/aigc-news/30755/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8xiaomiroboticsu0) * [Xiaomi-Robotics-U0的核心优势](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e6%a0%b8%e5%bf%83%e4%bc%98%e5%8a%bf) * [Xiaomi-Robotics-U0的项目地址](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [Xiaomi-Robotics-U0的同类竞品对比](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e5%90%8c%e7%b1%bb%e7%ab%9e%e5%93%81%e5%af%b9%e6%af%94) * [Xiaomi-Robotics-U0的应用场景](https://paooo.com/aigc-news/30755/#xiaomiroboticsu0%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) ![Xiaomi-Robotics-U0](https://paooo.com/wp-content/uploads/2026/07/Xiaomi-Robotics- U0-website-1.avif) ## Xiaomi-Robotics-U0的主要功能 * **文生图生成**：支持高质量文本到图像合成，保留基础世界模型的视觉知识。 * **图像编辑**：支持 Any-to-Image 编辑，包括相机控制、时间控制、结构提取等细粒度 操作。 * **具身场景生成**：根据机器人形态和场景描述，生成多视角一致的初始观察画面。 * **具身迁移**：在保持多视角一致性和交互动态的前提下，实现跨场景的结构化可控迁移。 * **具身视频生成**：支持零样本多视角具身视频生成，将静态场景合成为时序连贯的操作 视频。 ## Xiaomi-Robotics-U0的技术原理 * **统一自回归框架**：基于 EMU3.5初始化，采用 IBQ Tokenizer 进行 16×16 空间压缩， 所有模态统一为离散词表进行 next-token 预测。 * **联合持续训练**：在通用域和具身数据集上统一自回归目标进行持续训练，避免用有限 机器人数据导致的泛化能力损失。 * **FlashAR+ 推理加速**：引入反对角线并行解码的垂直预测头，结合 vLLM 优化，1024 ×1024 分辨率图像生成速度提升 82.9 倍。 * **结构化控制分解**：将场景解耦为工作空间、任务对象、无关对象、光照、背景五个独立 控制维度，支持可扩展的具身视频增强。 * **子任务-子目标交错学习**：通过 HDBSCAN 聚类对机器人轨迹进行子任务分解，生成交错 的图像-文本序列，捕捉长程任务进展和细粒度交互动态。 ![挖挖GitHub](https://paooo.com/wp-content/uploads/2026/07/wawagithub-78.avif) 微信关注回复“**开源**”，加入**AI开源项目交流群** ## 如何使用Xiaomi-Robotics-U0 * **环境配置**：访问小米机器人官网下载模型权重与推理代码，配置支持 CUDA 和 vLLM 的高性能 GPU 环境。 * **模型加载**：基于 EMU3.5 架构初始化并加载 Xiaomi-Robotics-U0 的 380 亿参数检查 点，统一调用 IBQ Tokenizer 处理多模态输入序列。 * **文生图生成**：输入文本描述，通过标准自回归 next-token 预测直接生成 1024×1024 分辨率的高质量图像。 * **图像编辑**：提供一至三张参考图像配合文本指令，模型基于 Any-to-Image 能力执行 相机控制、时间控制或结构提取等细粒度编辑。 * **具身场景生成**：输入机器人形态描述与结构化场景文本，模型输出严格满足多视角一致性 和几何连贯性的初始观察画面。 * **具身迁移**：给定当前多视角观察与目标场景描述，模型在保持交互动态的前提下生成 迁移后的多视角 RGB 图像。 * **具身视频生成**：提供初始观察帧与任务指令，模型通过自回归展开生成 15 至 25 帧 时序连贯的机器人操作视频。 * **推理加速**：启用 FlashAR+ 垂直预测头与 vLLM 优化，实现 1024×1024 分辨率下图像 生成速度提升 82.9 倍。 * **数据引擎应用**：将生成的具身场景或视频序列直接输入下游机器人策略网络，用于提升 真实世界操控任务的分布外泛化能力。 ## Xiaomi-Robotics-U0的核心优势 * **统一性**：首个将基础图像/视频生成与具身生成统一在单一框架内的模型，避免后训练 导致的视觉知识遗忘。 * **多视角一致性**：支持跨多种机器人形态的高质量多视角场景生成，严格满足几何连贯性 和相机标定约束。 * **可控迁移**：引入结构化控制机制，可在保持交互动态的前提下对工作空间、背景、光照 等维度进行细粒度编辑。 * **数据引擎能力**：生成的具身场景可直接展开为时序连贯的操作视频，为下游策略学习 提供可扩展的合成轨迹。 * **SOTA 性能**：在具身场景生成与迁移上超越 GPT-Image-2.0，在 World Arena 具身视频 生成排名第一。 ## Xiaomi-Robotics-U0的项目地址 * **项目官网**：https://robotics.xiaomi.com/xiaomi-robotics-u0.html * **HuggingFace模型库**：https://huggingface.co/collections/XiaomiRobotics/xiaomi- robotics-u0 * **arXiv技术论文**：https://arxiv.org/pdf/2607.11643 ## Xiaomi-Robotics-U0的同类竞品对比 | 维度 | Xiaomi-Robotics-U0 | π0.5 | | **定位** | 统一具身合成世界模型，专注生成可控数据与场景 | 端到端视觉-语言-动作策略模型，专注直接控制机器人 | | **参数规模** | 380 亿参数自回归 Transformer | 采用 VLM 主干 + Action Expert 分层架构 | | **核心能力** | 多视角场景生成、具身迁移、视频生成、图像编辑 | 端到端机器人控制、家庭泛化任务执行 | | **架构** | 基于 EMU3.5 初始化，统一 next-token 预测 | 预训练离散动作 token，后训练流匹配生成连续动作 | | **数据引擎** | 可直接生成具身场景与视频，将 π0.5 分布外成功率从 36.9% 提升至 63.2% | 本身不具备数据生成能力，依赖真实世界采集 | | **多视角一致性** | 原生支持跨多种机器人形态的多视角场景生成与几何连贯迁移 | 作为单视角策略模型，不直接处理多视角合成 | | **视觉知识保留** | 联合训练通用生成与具身任务，VLM 基准保持高分（ERQA 40.8、SEED 78.6） | VLM 基准得分较低（ERQA 0.0、SEED 21.5），视觉理解受损 | ## Xiaomi-Robotics-U0的应用场景 * **机器人数据合成**：为真实机器人训练生成大规模、多样化的合成操作轨迹，解决真实 数据收集成本高、场景受限的问题。 * **跨形态场景迁移**：将同一操作任务从一种机器人形态（如单臂）迁移到另一种形态（ 如双臂），保持场景一致性。 * **仿真环境构建**：快速生成高质量多视角机器人操作场景，用于仿真平台训练和策略验证。 * **操作策略增强**：利用生成的分布外数据提升机器人策略的泛化能力，如将 π0.5 的成功 率提升 26.3%。 * **具身智能研究**：作为世界基础模型，支持长程任务规划、子任务分解和交互动态预测 等基础研究。 ❓ 常见问题解答（FAQ） Xiaomi-Robotics-U0主要解决什么问题？ 它主要解决机器人具身数据难获取、场景生成不一致和迁移难控制的问题。模型把文生图、 图像编辑、具身场景生成、具身迁移和具身视频生成统一起来，可为下游机器人策略提供高 质量合成数据。 Xiaomi-Robotics-U0和普通文生图模型有什么区别？ 普通文生图模型主要生成静态图像，而 Xiaomi-Robotics-U0 还支持多视角一致的具身场景 生成、结构化迁移和时序连贯的视频生成，更适合机器人训练与操控数据构建。 Xiaomi-Robotics-U0可以直接用于机器人控制吗？ 它本质上是统一具身合成模型，不是直接控制机器人动作的策略模型。更适合生成训练数据、 增强场景覆盖和提升策略泛化能力；文中也提到其生成结果可输入下游机器人策略网络。 🔬 语宙深潜追问 · 进阶实操拆解 文生图和具身生成为何要统一？ 统一框架能共享视觉表征、动作先验和场景理解，减少重复训练与接口割裂。对机器人来说， 这样更容易把静态生成能力迁移到动态环境里，但前提是数据分布和控制信号要设计得足够 一致。 380亿参数模型如何落地到机器人？ 不能直接把[大模型](https://paooo.com/ai-study/)塞进控制环，通常要做分层：大模型负责 规划与生成，轻量策略网络负责实时控制。再配合仿真到现实迁移、动作约束和安全边界， 才能真正进机器人系统。 🗳️ 读者观点微投票 · 您的实战立场是？ 统一具身模型最难统一什么？ 🕸️ 语宙向量知识图谱 · 语义强关联深度内链 [🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/) * [小米发布具身智能基底模型Xiaomi-Robotics-1，探索物理AI Scaling效应](https://paooo.com/aigc-news/30984/) * [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](https://paooo.com/aigc-news/11467/) * [小米全球首个开源跨领域具身大模型MiMo-Embodied发布：重塑自动驾驶与机器人智能](https://paooo.com/ai-tool/12911/) * [Xiaomi Auto World Model – 小米推出的辅助驾驶世界模型](https://paooo.com/aigc-news/18837/) [🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · 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](https://paooo.com/aigc-news/30755/?format=md) 💡 这篇内容对您有启发吗？ [📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/) **🚀 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)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)