Xiaomi uruchomiło Xiaomi-Robotics-U0, 38-miliardowy model multimodalny autoreresyjny do zunifikowanej syntezy ucieleśnianej. Model ten postrzega generowani...
Xiaomi uruchomiło Xiaomi-Robotics-U0, 38-miliardowy model multimodalny autoreresyjny do
zunifikowanej syntezy ucieleśnianej. Model ten postrzega generowanie ucieleśnione jako rozszerzenie podstawowego generowania obrazu i wideo, wspólnie optymalizując przekształcenie tekstu w obraz, edycję obrazów, generowanie scen ucieleśnionych, migrację ucieleśnioną oraz generowanie wideo ucieleśnionego. Jest to pierwszy model wspierający wysokiej jakości generowanie scen wielowidokowych w różnych formach robotów, wprowadzając ustrukturyzowaną, kontrolowaną migrację ucieleśnienia. Model osiąga SOTA w zadaniach generowania jednokrokowego i sekwencyjnego, przewyższa GPT-Image-2.0 w ocenie generowania i transferu ucieleśnionych scen, zajmuje pierwsze miejsce w generowaniu wideo emkorpedowego na World Arena oraz zwiększa wskaźnik sukcesu pi_0,5 w zadaniach manipulacji rzeczywistymi z 36,9% do 63,2%. Kod i punkty kontrolne są open source.
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。
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: arxiv.org
Źródło: HuggingFace Daily Papers（社区热门论文）
原文链接: Otwórz źródło oryginalne
Aioga 归档: 查看情报页
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 articleAioga 自动聚合全球 AI 动态，并保留来源信息用于核验与引用。