小米开源跨领域模型MiMo-Embodied：融合自动驾驶与机器人智能，29项基准测试创下新纪录 这项突破性研究由小米具身智能团队倾力打造，核心贡献者郝孝帅担任第一作者，项目由小米智能驾驶团队首席科学家陈龙领衔。该团队汇聚了自动驾驶与具身智能领域的顶尖人才，致力于打破技术壁垒，构建能够深度理解物理世界并进行复杂推理的通用智能系统。 随着大语言模型和多模态大语言模型在AI领域的快速发展，算法从数字世界迈向物理实体时面临着严峻挑战。传统研发模式中，自动驾驶与具身智能长期处于分离状态：前者专注于户外高速动态环境下的车辆感知，后者则聚焦室内静态或低速场景的精细操作。 这种领域分割导致专用模型存在明显局限性。自动驾驶模型缺乏对物体细节的精细理解，而机器人模型难以应对复杂的交通交互场景。为解决这一痛点，小米团队在最新技术报告中发布了MiMo-Embodied——首个成功融合两大领域的开源基础模型。 实验数据显示，MiMo-Embodied在17个具身智能基准和12个自动驾驶基准上均取得领先成绩，不仅超越开源基线，更在空间推理与规划等关键指标上优于GPT-4o、Gemini-Pro等闭源模型。 构建统一认知框架 MiMo-Embodied的核心创新在于建立了统一的感知与推理架构。基于小米自研的MiMo-VL框架，该模型将物理世界交互能力分解为六个关键维度。在自动驾驶方面，模型不仅具备环境感知能力，还能进行状态预测和驾驶规划；在具身智能方面，则重点突破可供性预测和空间理解能力。 四阶段训练策略 团队设计了严谨的四阶段渐进训练方案： 第一阶段建立基础认知，通过通用图文数据和具身数据进行监督微调 第二阶段注入自动驾驶知识，采用混合监督方法保持跨领域能力 第三阶段引入思维链推理技术，提升逻辑推理能力 第四阶段运用强化学习进行精度优化，解决多模态模型的幻觉问题 卓越性能表现 在具身智能测试中，模型在可供性预测、任务规划和空间理解三大核心能力上全面突破。在自动驾驶评估中，环境感知、状态预测和驾驶规划等12项指标均表现优异。真实场景验证显示，模型在家庭导航、物体操作等任务中展现出卓越的实用性。 技术验证与展望 消融实验证实，多阶段训练策略实现了两大领域能力的协同提升，为构建统一的基础模型提供了有效范式。MiMo-Embodied的成功标志着具身智能研究进入新阶段，证明了物理世界认知逻辑的统一性，为实现“一个智能核心，适配多种实体”的未来愿景奠定了坚实基础。 论文信息： 题目：MiMo-Embodied: X-Embodied Foundation Model 链接：https://arxiv.org/abs/2511.16518 项目地址：https://github.com/XiaomiMiMo/MiMo-Embodied

---

想获取更多AI最新资讯与智能工具推荐， 欢迎访问 👉 AI Tools Nav ——优质的 AI导航平台 与 AI学习社区

---

本文来源：机器之心

原文链接：https://www.jiqizhixin.com/articles/1b4ff2f5-9d91-4102-827c-e1d500872b1c