【CNMO科技音书】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，兼具视觉讲话流露与高性能及时实行智商，可在消耗级显卡上已毕及时推理，一举破解传统VLA模子推理延伸的行业痛点，在具身智能领域刷新多项SOTA记录。

据CNMO了解，现存VLA模子虽凭借大领域参数领有出色的泛化智商，但刚硬的推理延伸让机器东谈主在真确物理全国中反应蠢笨。小米这次推出的Xiaomi-Robotics-0从架构议论打算出手已毕打破，其采选MoT搀杂架构打造“大脑 + 小脑”双中枢体系，以多模态VLM大模子为视觉讲话大脑，可流露东谈主类虚浮领导并捕捉高清视觉中的空间干系；同期镶嵌多层DiT行为动作实行小脑，通过生成“动作块”连合流匹配本事，保险机器东谈主动作的高频与精确，AsiaGaming已毕物理纯真性的大幅晋升。

为兼顾模子的知识流露与实操智商，小米议论打算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、逻辑推理等智商；后历练则采选异步推理时势处置真机“动作断层”问题，搭配Clean Action Prefix和Λ-shape Attention Mask本事，既保证动作轨迹的联络流通，又让模子更照料及时视觉反馈，晋升对环境变化的反馈智商。

当今，小米已负责开源该模子的本当事人页、代码及模子权重，秉执开源理念鞭策具身智能本事的行业发展，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千里着平安能的规模。