【CNMO科技音尘】2月12日，小米负责对外发布并开源首款机器东谈主VLA大模子Xiaomi-Robotics-0。该模子领有47亿参数，兼具视觉话语相识与高性能及时施行才调，可在挥霍级显卡上竣事及时推理，一举破解传统VLA模子推理延长的行业痛点，在具身智能领域刷新多项SOTA记载。

据CNMO了解，现存VLA模子虽凭借大鸿沟参数领有出色的泛化才调，但宽敞的推理延长让机器东谈主在着什物理宇宙中反应鸠拙。小米这次推出的Xiaomi-Robotics-0从架构蓄意脱手竣事打破，其经受MoT搀杂架构打造“大脑 + 小脑”双中枢体系，开云中国app登录入口以多模态VLM大模子为视觉话语大脑，可相识东谈主类暧昧辅导并捕捉高清视觉中的空间磋议；同期镶嵌多层DiT动作动作施行小脑，通过生成“动作块”辘集流匹配技巧，保险机器东谈主动作的高频与精确，一分彩app下载竣事物理生动性的大幅擢升。

为兼顾模子的常知趣识与实操才调，小米蓄意了跨模态预历练和后历练的两阶段历练体系。跨模态预历练通过Action Proposal机制对都VLM特征与动作空间，再冻结VLM专注历练DiT，让模子在学会操作的同期保留物体检测、逻辑推理等才调；后历练则经受异步推理风物处置真机“动作断层”问题，搭配Clean Action Prefix和Λ-shape Attention Mask技巧，既保证动作轨迹的贯穿畅通，又让模子更护理及时视觉反馈，擢升对环境变化的反应才调。

当今，小米已负责开源该模子的技巧主页、代码及模子权重，秉捏开源理念鼓舞具身智能技巧的行业发展，同期小米机器东谈主团队也开启东谈主才招募，邀请行业东谈主士共同探索物默然能的范畴。