2月12日，小米雷军通过微博泄漏，小米机器东说念主团队厚爱开源Xiaomi-Robotics-0，一个47亿参数的具身智能VLA模子。该模子遴荐Mixture-of-Transformers搀杂架构，在LIBERO、CALVIN和SimplerEnv三大仿真测试集的总共Benchmark中，与30个对比模子比较均获适宜前最优得益。

{jz:field.toptypename/}

图片起首：小米时期

Xiaomi-Robotics-0的中枢在于通过MoT架构将视觉讲话大模子与多层Diffusion Transformer解耦。VLM负责处理正常教唆与空间联系融会，澳门赌城DiT则通过流匹配生成高频、流通的Action Chunk。这种联想让模子在挥霍级显卡上即可完成及时推理，处分了现存VLA模子因推理延长导致真机“手脚断层”的共性痛点。

模子架构及实践姿色：(a) VLM多模态与手脚搀杂预实践；(b) DiT专项预实践；(c) 打算任务后实践；图片起首：小米时期

实践计谋分为两个阶段。跨模态预实践阶段引入Action Proposal机制，强制VLM在图像清爽的同期揣摸多模态手脚离别，时时彩完成特征空间与手脚空间的对皆；随后冻结VLM，专项实践DiT从噪声中收复精确手脚序列。后实践阶段的中枢是异步推理形态，使模子推理与机器东说念主运转脱离同步敛迹。同期，Clean Action Prefix通过引入上一时期手脚输入来保证轨迹流通性，Λ-shape Attention Mask则强制模子优先反应现时视觉反馈，进步靠近环境扰动时的反应敏捷性。

在真机部署测试中，搭载该模子的双臂机器东说念主在积木拆解、叠毛巾等万古序、高目田度任务中展现出相识的手眼配合才气，同期保留了VLM原有的物体检测与视觉问答才气。名堂代码、模子权重与时期文档当今已同步上线GitHub和Hugging Face。

• 小米
• 念主
• 机器
• 开源
• 时时彩app