给机器人造一座「数据工厂」，小米 Robotics-U0 如何破解具身智能最难的一道题？

47 0 0

文章摘要

具身智能行业在走向长期稳定运行的过程中，面临数据采集成本高、规模难扩大及长尾场景数据短缺的瓶颈。传统人工采集导致成本线性上涨，现有合成数据方案则因多模型割裂易破坏场景一致性。为解决此痛点，小米发布并开源了全球首个具身领域统一生成模型Xiaomi-Robotics-U0，旨在为行业搭建低成本、可扩展的数据基础设施。

该模型的核心创新是将具身场景生成、具身迁移、交互视频生成及通用文生图与图像编辑四类任务整合进同一架构。这打通了数据处理链路，并利用通用视觉知识扩展了场景范围。模型采用五维解耦控制方式，将生成过程拆分为工作台布局、前景物体、无关杂物、光照和背景五个维度，确保修改环境变量时精准保留机械臂位姿与多视角几何关系。在效率方面，通过引入FlashAR+推理加速方案，生成效率较原始自回归范式提升约82.9倍，大幅压缩了时间和算力成本。

在多项评测中，该模型展现出卓越性能。在WorldArena基准测试中取得全球总分第一，并在指令遵循、交互质量和视角一致性上领先。真机评测表明，使用该模型扩增数据训练后的机器人策略，在未知光照和陌生背景等场景下的任务完成进度平均提升26.3%，有效增强了对复杂环境的泛化能力。此外，与顶尖闭源模型相比，其在多视角几何和机械臂位姿保持上具备更优的可控性。

该模型的开源标志着具身数据生产向统一、可控和低成本方向迈出关键一步，使数据扩张不再完全依赖新增物理采集。通过构建具身数据工厂，真实轨迹可批量衍生出大量不同场景样本，有效覆盖极端及低频长尾环境。这提升了模型训练效率，为机器人策略泛化与规模化落地提供了坚实支撑。