LEARNING
小米机器人U0：基于世界基础模型的统一具身合成
Xinghang Li, Jun Guo, Qiwei Li, Long Qian, Hang Lai, Yueze Wang, Hongyu Yan, Jiahang Cao, Xi Chen, Jingen Qu, Jiaxi Song, Nan Sun, Hanye Zhao, Futeng Liu, Wanli Peng, Heyun Wang, Yunhong Wang, Caoyu Xia, Jack Zhao, Diyun Xiang
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出小米机器人U0，一个380亿参数的多模态自回归模型，用于统一具身合成。该模型将具身生成视为基础图像和视频生成的扩展，首次支持多机器人形态的高质量多视角场景生成，并引入结构化可控的具身迁移，在保持多视角一致性和交互动态的同时实现细粒度编辑。
关键词
embodied synthesisworld foundation modelmultimodal autoregressivemulti-view generationcontrollable transfer
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018