小米開源首代機器人VLA模型 已實現物理智能泛化

小米今日（12日）宣佈開源首代機器人VLA模型「Xiaomi-Robotics-0」。根據介紹，這是一個擁有47億參數、兼具視覺語言理解與高性能實時執行能力的開源VLA模型，不僅在三大主流的仿真測試中獲得優異成績，更在現實真機任務中實現了物理智能的泛化，即動作連貫、反應靈敏，且能在消費級顯卡上實現實時推理。

對於大部分VLA模型在學動作時往往會「變笨」，失去本身的理解能力，小米通過多模態與動作數據的混合訓練，讓模型在學會操作的同時，依然保持強大的物體檢測、視覺問答和邏輯推理能力。

針對推理延遲引發的真機「動作斷層」問題，則採用異步推理模式，即讓模型推理與機器人運行脫離同步約束、異步執行，從機制上保障動作連貫流暢。