Xiaomi đã ra mắt Xiaomi-Robotics-U0, một mô hình tự hồi quy đa phương thức 38 tỷ tham số để tổng hợp thể hiện thống nhất. Mô hình này xem tạo hiện thân như...
Xiaomi đã ra mắt Xiaomi-Robotics-U0, một mô hình tự hồi quy đa phương thức 38 tỷ tham số để tổng hợp
thể hiện thống nhất. Mô hình này xem tạo hiện thân như một phần mở rộng của tạo hình ảnh và video cơ bản, cùng tối ưu hóa văn bản thành hình ảnh, chỉnh sửa hình ảnh, tạo cảnh hiện thân, di chuyển hiện thân và tạo video hiện thân. Đây là mô hình đầu tiên hỗ trợ tạo cảnh đa chế độ xem chất lượng cao trên các dạng rô-bốt khác nhau, giới thiệu di chuyển hiện thân có cấu trúc, có thể điều khiển. Mô hình đạt được SOTA trong các tác vụ tạo một bước và tuần tự, vượt qua GPT-Image-2.0 trong đánh giá của con người về việc tạo và truyền cảnh thể hiện, đứng đầu về tạo video thể hiện trong World Arena và tăng tỷ lệ thành công ngoài phân phối của pi_0.5 trong các tác vụ thao tác trong thế giới thực từ 36,9% lên 63,2%. Mã và các trạm kiểm soát là mã nguồn mở.
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
Nguồn: HuggingFace Daily Papers（社区热门论文）
原文链接: Mở nguồn gốc
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。