（来源：上市之家）

　　7月14日，小米集团创始人雷军通过社交媒体披露了旗下人形机器人在汽车工厂“实习”四个月的最新成绩单。次日，小米机器人事业部正式发布并全量开源Xiaomi-Robotics-U0，一款拥有380亿参数的多模态自回归具身生成基础模型。从工厂实地验证到模型开源，小米在三天内完成了“本体、数据、模型”的技术闭环。

　　01 工厂“实习”四个月：从单一工位到多场景迁移

　　四个月前，小米人形机器人还只是停留在自攻螺母工站“站桩干活”。经过持续迭代，机器人在该工位的双侧作业成功率已从90.2%提升至98%，距离熟练工人99%的合格率仅差1个百分点。

　　更关键的突破在于能力的拓展。机器人已解锁中控台侧盖板排序和料箱折叠回收两项全新岗位，两项任务成功率均达到90%。其中，中控台侧盖板排序工站是业内首次在汽车工厂实现柔性工件的长时连续作业。就在两周前，美国人形机器人企业Figure旗下的Figure 03在宝马工厂完成了复杂零件物流分拣，一度被视作行业能力标杆。小米由此成为目前唯一在真实量产工厂完成同等难度作业场景落地的机器人厂商。

　　在作业过程中，机器人展现出超高的拟人度——当插入物料失败时，不是按预设程序重复动作，而是感知阻力后自主微调姿态、反复试探；需要身体前倾抓取远端盖板时，会主动用手扶着料箱边缘保持平衡。多台机器人还可通过工厂数字化系统同步作业状态，自动匹配生产节拍，单元间动作互不冲突。

　　02 U0模型：为具身智能搭建“数据工厂”

　　如果说工厂产线是在物理世界提供高密度验证反馈，Xiaomi-Robotics-U0则是在数字世界搭建数据基座。该模型被定位为具身智能领域首款可统一覆盖四大核心生成任务的基础模型。

　　长期以来，具身生成领域存在显著的技术割裂——场景生成、轨迹迁移、交互视频、图像编辑需分别搭建独立模型，多框架运维成本高、数据难以互通。U0采用统一多模态自回归架构，不增设任何任务专属预测头，将四类任务统一抽象为单一自回归序列建模问题。

　　模型覆盖四类核心任务：具身场景生成可根据文本描述生成适配指定机器人本体的多视角仿真场景；具身迁移能在保留机械臂位姿和原始轨迹布局的前提下，自由更换光照、工作台、目标物体、背景风格；机器人交互视频生成基于初始画面与操作指令输出长时序交互视频；通用文生图与图像编辑则打通了互联网视觉知识与机器人任务之间的壁垒。

　　03 性能验证：从数字世界到物理世界

　　在清华大学、北京大学等机构联合打造的WorldArena具身视频评测基准中，U0（匿名代号UNIS）从全球126款模型中斩获总分第一，指令遵循、交互真实度、多视角一致性三项细分指标全部位列榜首。

　　真机测试同样验证了模型的实用价值。针对精细耳机收纳、毛巾折叠、长程物品装箱三类任务，在未知光照、陌生背景等分布外干扰环境下，使用U0生成数据扩充训练集后，机器人策略任务完成进度平均提升26.3%。

　　推理效率方面，小米推出自研FlashAR加速方案，将1024×1024分辨率图像生成耗时压缩至5.44秒，生成效率较传统自回归架构提升近83倍。

　　目前，模型的全部代码与权重已在GitHub、Hugging Face、魔搭社区全量开源。从四个月的工厂“实习”到U0模型的开源，小米验证了具身智能的Scaling Law——用生成模型拓展机器人的经验边界，将有限的真实样本延展至更多场景、物体和机器人本体。行业分析认为，随着U0的开源，具身数据有望从依赖人工采集走向可控、高效的批量生产时代，加速人形机器人从实验室走向真实生产场景的进程。