小米正式發布並開源具身智能模型Xiaomi-Robotics-0，具備47億參數，成功於三大主流仿真測試奪得最先進水平。該模型採用自研混合架構，支援消費級顯卡實時推理，解決機器人動作延遲痛點，並實現在真機流暢摺毛巾及拆積木。小米現已公開相關源代碼及模型權重，並宣布在全球範圍招募頂尖人才。
即刻【按此】，用 App 睇更多產品開箱影片
唔使再請工人？小米機器人摺毛巾、砌積木影片流出！宣布全球招兵買馬【附官方投 CV 郵箱】
小米在具身智能（Embodied AI）領域取得重大突破。小米今日（12日）於微博公開重磅消息，正式發布並開源具身智能 VLA 模型 —— Xiaomi-Robotics-0。隨着真機運行畫面首度曝光，機器人展示出流暢摺毛巾、拆解積木等高難度動作，更標榜只需「消費級顯卡」即可運行，徹底打破高端機器人技術僅局限於實驗室的僵局。
解決行業兩大痛點：告別「延遲木偶」
長期以來，具身智能面臨兩大核心障礙：一是推理延遲高，導致機器人動作斷續，被戲稱為「反應遲鈍的木頭人」；二是硬件門檻極高，必須依賴昂貴的專業顯卡才能運作。
小米此次發布的 Xiaomi-Robotics-0 擁有 47 億參數規模，透過自研的 Mixture-of-Transformers (MoT) 混合架構，成功將視覺語言理解與高性能實時執行能力合而為一：
視覺語言大腦（VLM）： 負責精準理解人類指令及環境空間關係，如「將毛巾疊好」等模糊指令。
動作執行小腦（DiT）： 負責將指令轉化為絲滑動作，生成連續動作塊，令機器人告別機械式卡頓。
實測橫掃全球標杆：仿真與真機表現兼備
在 Libero、Calvin、SimplerEnv 三大全球主流具身智能測試集中，Xiaomi-Robotics-0 對標超過 30 款主流模型，於所有基準測試中全部奪得 SOTA（當前最先進水平）。
從流出的真機影片可見，機器人在處理柔性物體（如毛巾）時，能完成鋪平、對折及整理等連貫動作；面對剛性積木時，手眼協調亦表現穩定。這證明該模型已跨越「仿真成績好、真機實操差」的技術鴻溝，實現了物理智能的泛化。
技術亮點：消費級顯卡實時推理
小米強調，該模型最具顛覆性之處在於能在普通消費級顯卡上實現實時推理。這意味着開發者無需耗費巨資購買專業運算設備，直接拉低了技術落地門檻。
全量開源打破壟斷 全球招募頂尖人才
小米宣布將是次成果全量開源，包括技術主頁、GitHub 原始碼及 Hugging Face 模型權重，讓全球開發者均可免費使用及二次開發。雷軍透露，小米早已深度佈局機器人賽道，此次發布僅屬階段性成果。
為加速技術迭代，小米目前正面向全球招募頂尖人才。有意加入小米機器人團隊的人士，可透過官方渠道提交履歷：
官方投遞郵箱： robotics-recruit@xiaomi.com
【相關報道】
【相關話題】AirTag 勁敵！小米提前曝光 Xiaomi Tag 低至$140/個且通殺 Android＋iPhone【有1注意事項】
小米正式推出全新藍牙追蹤器 Xiaomi Tag，首度打破生態限制，同時支援 Apple「尋找」與 Google 網絡，提升全球定位覆蓋率。產品具備一年續航力並支援更換電池，定價具競爭力，預計最快於三月全球發表。
Source: ezone.hk