샤오미는 통합된 구현 합성을 위한 380억 파라미터 다중 모달 자기회귀 모델인 샤오미-로보틱스-U0를 출시했습니다. 이 모델은 내재 생성을 기본 이미지 및 비디오 생성의 확장으로 보고, 텍스트-이미지, 이미지 편집, 내체된 장면 생성, 내체된 이동, 내체된 비디오 생성을 공동으...
샤오미는 통합된 구현 합성을 위한 380억 파라미터 다중 모달 자기회귀 모델인 샤오미-로보틱스-U0를 출시했습니다. 이 모델은 내재 생성을 기본 이미지 및 비디오 생성의 확장으로
보고, 텍스트-이미지, 이미지 편집, 내체된 장면 생성, 내체된 이동, 내체된 비디오 생성을 공동으로 최적화합니다. 이 모델은 다양한 로봇 형태에서 고품질 다중 뷰 장면 생성을 지원하는 최초의 모델로, 구조적이고 제어 가능한 구현 이동을 도입했습니다. 이 모델은 단일 단계 및 순차 생성 작업에서 SOTA를 달성했으며, 구현된 장면 생성 및 전송에 대한 인간 평가에서 GPT-Image-2.0을 능가하고, World Arena에서 구현된 비디오 생성 부문에서 1위를 차지하며, 실제 조작 작업에서 pi_0.5의 배포 외 성공률을 36.9%에서 63.2%로 높였습니다. 코드와 체크포인트는 오픈 소스입니다.
arXivLabs is a framework that allows collaborators to develop and share new arXiv features directly on our website.
Have an idea for a project that will add value for arXiv's community? Learn more about arXivLabs ：https://info.arxiv.org/labs/index.html.
材料摘要称，小米推出380亿参数多模态自回归模型Xiaomi-Robotics-U0，将图像、视频与多类具身生成任务纳入联合优化，并已开源代码与检查点。
该模型把具身生成视为基础图像和视频生成的延伸，覆盖文生图、图像编辑、具身场景生成、具身迁移与具身视频生成。正文摘录仅介绍arXivLabs，未提供论文技术细节。
Aioga判断，其主要编辑价值在于尝试以单一自回归模型统一多种具身合成任务，并强调跨机器人形态和结构化控制；但现有材料中的性能结论主要来自摘要，仍需论文实验细节支撑。
若摘要所述结果可复现，该方法可能降低不同机器人形态间场景与视频数据生成的割裂程度，并为真实世界操控的分布外泛化提供辅助；目前不能据此推断其已具备通用机器人控制能力。 值得关注论文对训练数据、评测协议、基线设置、人类评估流程及真实世界任务的披露，并核验World Arena排名、与GPT-Image-2.0的比较，以及36.9%至63.2%的提升能否独立复现。
수집 피드는 제목, 요약, 출처와 원문 링크를 제공합니다. Aioga는 원문 전체를 재게시하지 않습니다.
수집 채널: 요약 집계 · 원본 도메인: arxiv.org
출처: HuggingFace Daily Papers（社区热门论文）
원문 링크: 원문 열기
Aioga 아카이브: 정보 페이지 보기
Content record: source-page · Updated: 2026-07-13T14:57:58.000Z
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this articleAioga는 전 세계 AI 동향을 집계하고 확인과 인용을 위해 출처 정보를 보존합니다.