Xiaomi が 380 億パラメータのロボット向け生成モデル、複数視点・多種ロボット対応で業界初

要約

シャオミのロボティクスチームが 380 億パラメータの多モーダル自己回帰モデル「Xiaomi-Robotics-U0」を発表した。テキスト・画像編集・シーン生成・シーン転送・ビデオ生成を統一フレームワークで最適化し、複数ロボットの多視点シーン生成に初めて対応した。GPT-Image-2.0 を人間評価で上回り、World Arena のビデオ生成ランキングで 1 位、ロボット制御の Out-of-Distribution タスクで成功率 36.9% から 63.2% に向上させた。大規模事前学習の視覚知識を保持しながらロボット化に適応する統一的なアプローチで、シングルステップ・シーケンシャル生成タスクで最新性能を達成した。