量子位
·
小米的首代机器人VLA大模型来了！丝滑赛德芙，推理延迟仅80ms丨全面开源
💡
原文中文，约4800字，阅读约需12分钟。
📝
内容提要
小米推出首代具身机器人VLA大模型，具备80ms推理延迟和30Hz控制频率，支持消费级显卡运行。通过三项技术创新，该模型提升了自主性，解决了机器人动作连续性和视觉理解能力的问题，展现出优异的仿真和真实环境表现，推动了具身智能的工业应用。
🎯
关键要点
- 小米推出首代具身机器人VLA大模型，具备80ms推理延迟和30Hz控制频率。
- 该模型支持消费级显卡（如RTX 4090）运行，展现出优异的仿真和真实环境表现。
- 小米的VLA大模型通过三项技术创新提升了自主性，解决了机器人动作连续性和视觉理解能力的问题。
- 模型采用MoT架构，分为大脑和小脑，确保理解能力与动作生成的高效结合。
- 引入两阶段预训练策略，保护视觉理解能力的同时学习机器人动作。
- 改良异步方案通过Λ形注意力掩码解决动作惯性问题，确保动作的连续性和实时修正。
- Xiaomi-Robotics-0在多个仿真环境中超越现有头部模型，展现出极高的成功率和稳定性。
- 小米在具身智能领域选择务实路线，强调工业落地与复杂环境适应性。
- 小米的开源策略降低了技术门槛，推动了行业的透明度和技术讨论。
❓
延伸问答
小米的VLA大模型有什么主要技术创新？
小米的VLA大模型主要有三项技术创新：架构设计、预训练策略和后训练机制，旨在提升机器人的自主性和动作连续性。
Xiaomi-Robotics-0的推理延迟和控制频率是多少？
Xiaomi-Robotics-0的推理延迟为80ms，控制频率为30Hz。
小米的VLA大模型如何解决机器人动作的连续性问题？
通过改良异步方案和Λ形注意力掩码，小米的VLA大模型确保机器人在执行动作时能够实时修正，避免动作惯性。
小米的VLA大模型支持哪些显卡运行？
小米的VLA大模型支持消费级显卡，如RTX 4090。
小米在具身智能领域的开源策略有什么意义？
小米的开源策略降低了技术门槛，提升了行业透明度，促进了技术讨论和开发者的创新。
Xiaomi-Robotics-0在仿真环境中的表现如何？
Xiaomi-Robotics-0在多个仿真环境中超越了现有头部模型，展现出极高的成功率和稳定性。
➡️
