它是业界首个成功打通自动驾驶与具身智能的跨域基座模型，旨在解决机器人与车辆在认知与能力上的互通问题，标志着通用具身智能研究从“垂直领域专用”向“跨域能力协同”迈出了关键一步。
核心突破：跨域统一建模
传统的AI模型通常将“室内机器人智能”与“室外驾驶智能”分开训练，而MiMo-Embodied首次实现了两者的统一建模。它不仅能理解室内环境，还能处理复杂的室外交通场景，实现了全场景的智能支撑。
表格
| 能力维度 | 核心任务 | 具体功能 |
|---|---|---|
| 具身智能 (室内/机器人) | 可供性推理 | 判断物体能否被操作（如：杯子能否被拿起）。 |
| 任务规划 | 拆解复杂指令（如：“打扫桌子”分解为具体步骤）。 | |
| 空间理解 | 理解三维空间关系及环境布局。 | |
| 自动驾驶 (室外/车辆) | 环境感知 | 识别动态环境中的物体与状态。 |
| 状态预测 | 预测交通参与者（车、人）的下一步行为。 | |
| 驾驶规划 | 在复杂路况下做出驾驶决策。 |
技术架构与训练策略
MiMo-Embodied基于MiMo-VL架构，采用了“四阶段渐进式”训练策略，以确保模型在真实环境中的可靠性：
- 具身与通用知识奠基：建立基础的视觉语言理解和具身推理能力。
- 自动驾驶知识注入：重点训练多视角空间推理和复杂交通场景分析。
- 思维链（CoT）推理强化：增强模型处理复杂多步问题的逻辑推理能力。
- 强化学习（RL）优化：采用GRPO算法，通过奖励信号进一步提升模型的精确度和可靠性。
性能表现
在涵盖感知、决策与规划的29项核心基准测试中，MiMo-Embodied展现了领先的性能：
- 具身智能领域：在 17个 基准测试中取得 SOTA（当前最优）成绩，特别是在可供性预测和任务规划方面。
- 自动驾驶领域：在 12个 基准测试中实现全链路性能突破，包括复杂交通场景分析。
- 双向赋能：实验证明，经过具身智能训练的模型在自动驾驶决策任务中准确率提升了 19%，而自动驾驶预训练模型在家庭场景任务规划效率上提高了 23%。
开源与生态
- 开源协议：MIT 协议。
- 获取方式：模型权重与代码已在 Hugging Face 和 GitHub 上全面开放，支持开发者进行二次开发。
- 核心团队：由小米“AI天才少女”罗福莉（Xiaomi MiMo大模型负责人）带领团队研发，陈龙担任项目负责人，郝孝帅为第一作者。
MiMo-Embodied 的发布是小米“人车家全生态”战略的重要技术拼图，它让AI从单纯的“认知工具”向能够与物理世界交互的“行动主体”进化。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...