小米开源首代机器人VLA模型 已实现物理智能泛化

小米今日（12日）宣布开源首代机器人VLA模型“Xiaomi-Robotics-0”。根据介绍，这是一个拥有47亿参数、兼具视觉语言理解与高性能实时执行能力的开源VLA模型，不仅在三大主流的仿真测试中获得优异成绩，更在现实真机任务中实现了物理智能的泛化，即动作连贯、反应灵敏，且能在消费级显卡上实现实时推理。

对于大部分VLA模型在学动作时往往会“变笨”，失去本身的理解能力，小米通过多模态与动作数据的混合训练，让模型在学会操作的同时，依然保持强大的物体检测、视觉问答和逻辑推理能力。

针对推理延迟引发的真机“动作断层”问题，则采用异步推理模式，即让模型推理与机器人运行脱离同步约束、异步执行，从机制上保障动作连贯流畅。