北京
2026年2月12日消息，小米開源首代機(jī)器人VLA大模型Xiaomi-Robotics-0，通過采用“大腦+小腦”混合架構(gòu)實(shí)現(xiàn)實(shí)時(shí)控制，在三大主流的仿真測試和現(xiàn)實(shí)真機(jī)任務(wù)中均獲得優(yōu)異成績。
據(jù)了解，這是一個(gè)擁有47億參數(shù)、兼具視覺語言理解與高性能實(shí)時(shí)執(zhí)行能力的開源 VLA 模型。它不僅在三大主流的仿真測試中獲得優(yōu)異成績，更在現(xiàn)實(shí)真機(jī)任務(wù)中實(shí)現(xiàn)了物理智能的泛化，動作連貫、反應(yīng)靈敏，且能在消費(fèi)級顯卡上實(shí)現(xiàn)實(shí)時(shí)推理。同時(shí)，模型“大腦”基于多模態(tài)視覺語言模型，負(fù)責(zé)理解人類指令與空間關(guān)系；“小腦”采用多層Diffusion Transformer，生成高頻、平滑的動作塊，實(shí)現(xiàn)精準(zhǔn)連貫的物理操作。
此外，模型具備強(qiáng)泛化能力，既能執(zhí)行操作又不丟失視覺理解與邏輯推理能力，實(shí)現(xiàn)“既會干活，也能答問”。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
