小米于7月15日正式发布并开源了拥有380亿参数的多模态自回归具身生成基础模型Xiaomi-Robotics-U0，这是具身智能领域首个能够统一支持四类核心任务的生成模型，旨在解决人形机器人训练中高质量交互数据稀缺的行业痛点。

机器人训练长期面临数据采集成本高、周期长的难题。真实世界中采集数据需要大量人力物力，且难以覆盖不同光照、背景、物体组合等多样场景。Xiaomi-Robotics-U0的出现，相当于为机器人训练建起了一座"数据工厂"。

核心技术能力

Xiaomi-Robotics-U0首次将多项具身世界建模能力与通用图像生成能力统一到一套多模态自回归架构中。它能够支持四类核心任务：具身场景生成（根据文本描述生成多视角初始场景）、具身迁移（将已有机器人轨迹迁移到新环境中）、机器人交互视频生成（基于初始观测和操作指令生成后续视频）以及通用文生图和图像编辑。

通过统一架构设计，模型可在保证几何一致性的前提下对已有数据进行增强——换物体、换光照、换背景，甚至凭空生成危险、极端、长尾等真机难以触达的场景数据，生成效率较传统范式提升近83倍。

权威评测表现

在权威的具身模型评测基准WorldArena中，Xiaomi-Robotics-U0获得73.64分，在全球参与测评的126个模型中综合性能排名第 一。在真机评测中，模型表现同样出色：在陌生光照、未知背景等干扰场景下，使用Xiaomi-Robotics-U0扩增数据训练的策略任务完成进度平均提升26.3%。

模型还提出了FlashAR+高速推理加速方案，在FlashAR文生图适配的基础上扩展适配了图像编辑、具身迁移等任务，并结合vLLM进一步提升效率，生成效率较原始AR范式提升82.9倍。

开源战略与行业影响

小米将Xiaomi-Robotics-U0的代码与模型权重全量开源，意味着整个行业都可以利用这一工具来降低机器人训练的数据门槛。业内分析认为，随着U0的开源，具身数据有望从依赖大量人工采集，进一步走向可控、高效的批量生产时代，加速人形机器人从实验室走向真实场景的进程。

雷军在个人社交媒体上表示，这是小米人形机器人团队的最新成果，将帮助行业进一步解决人形机器人训练中的"数据荒"难题。