小米技術(shù)新突破！具身大模型 MiMo-Embodied 正式發(fā)布并全面開源

隨著具身智能逐步落地家居場景、自動駕駛技術(shù)邁向規(guī)?；瘧?，行業(yè)內(nèi)一個關(guān)鍵問題日益凸顯：機器人與車輛如何更好地實現(xiàn)認知與能力互通？室內(nèi)作業(yè)智能與室外駕駛智能能否實現(xiàn)相互促進？為此，我們重磅推出 —— 具身大模型「MiMo-Embodied」。

作為業(yè)界首個成功打通自動駕駛與具身智能的跨域具身基座模型，它實現(xiàn)了兩大領(lǐng)域任務的統(tǒng)一建模，標志著通用具身智能研究從 “垂直領(lǐng)域?qū)Ｓ谩?向 “跨域能力協(xié)同” 邁出關(guān)鍵一步。為推動社會對通用具身智能范式的進一步探索，該模型現(xiàn)已全面開源。

三大核心技術(shù)亮點

跨域能力覆蓋：同步支持具身智能三大核心任務（可供性推理、任務規(guī)劃、空間理解）與自動駕駛?cè)箨P(guān)鍵任務（環(huán)境感知、狀態(tài)預測、駕駛規(guī)劃），形成全場景智能支撐；

雙向協(xié)同賦能：驗證了室內(nèi)交互能力與道路決策能力的知識轉(zhuǎn)移協(xié)同效應，為跨場景智能融合提供了新的思路；

全鏈優(yōu)化可靠：采用 “具身/自駕能力學習→ CoT 推理增強→RL 精細強化” 多階段訓練策略，有效提升模型在真實環(huán)境中的部署可靠性。

雙領(lǐng)域 SOTA 與范式驗證

在涵蓋感知、決策與規(guī)劃的 29 項核心基準測試（Benchmarks）中，MiMo-Embodied 確立了開源基座模型的性能新標桿，全面優(yōu)于現(xiàn)有的開源、閉源及專用模型：

具身智能領(lǐng)域：在 17 個 Benchmarks 上取得 SOTA 成績，重新定義了任務規(guī)劃、可供性預測及空間理解的能力邊界；

自動駕駛領(lǐng)域：在 12 個 Benchmarks 上表現(xiàn)卓越，實現(xiàn)了環(huán)境感知、狀態(tài)預測與駕駛規(guī)劃的全鏈路性能突破。

通用視覺語言領(lǐng)域：在夯實通用感知與理解能力的同時，進一步在多項關(guān)鍵基準上實現(xiàn)了顯著的性能躍升，展現(xiàn)了卓越的泛化性。

從家庭場景到城市道路，MiMo-Embodied 正推動智能技術(shù)向 “可用、可信、可擴展” 的現(xiàn)實世界穩(wěn)步邁進，為小米人車家全生態(tài)注入核心技術(shù)動能！

模型與代碼現(xiàn)已開源，歡迎全球開發(fā)者與研究人員共同參與，探索具身智能的無限可能～

技術(shù)報告：https://arxiv.org/abs/2511.16518

開源代碼：GitHub - XiaomiMiMo/MiMo-Embodied: MiMo-Embodied

MiMo-Embodied 模型：https://huggingface.co/XiaomiMiMo/MiMo-Embodied-7B