Xiaomi porta avanti la sua spinta sull’intelligenza artificiale incarnata con Xiaomi-Robotics-U0, un modello generativo multimodale da 38 miliardi di parametri pensato per unificare in un solo sistema quattro compiti chiave della robotica.
Il progetto è interessante soprattutto per due motivi: è open source e introduce FlashAR+, una tecnica di accelerazione che, secondo quanto indicato, aumenta la velocità di inferenza fino a 83 volte rispetto agli approcci autoregressivi standard.
Xiaomi-Robotics-U0 unifica generazione e interazione per la robotica
Xiaomi-Robotics-U0 nasce come modello fondazionale autoregressivo multimodale capace di coprire in modo unificato la comprensione visiva, la generazione di scene, la produzione di video di interazione e l’editing delle immagini. In pratica, invece di gestire questi passaggi con strumenti separati, il sistema li integra in un unico flusso di lavoro.
La parte più rilevante è la generazione di scene per robot specifici a partire da descrizioni testuali: ambienti come scrivania, cucina, magazzino o scenari aperti possono essere ricreati con osservazioni multi-vista.
- Modello fondazionale da 38 miliardi di parametri.
- Copre generazione di scene, trasferimento di traiettorie, video di interazione e editing immagine-testo.
- Supporta la generalizzazione zero-shot in scenari arbitrari.
- Open source con codice e pesi del modello disponibili su GitHub e Hugging Face.
FlashAR+ accelera la generazione fino a 83 volte
Per rendere praticabile l’uso su larga scala, Xiaomi abbina a Xiaomi-Robotics-U0 la tecnica di inferenza FlashAR+, che ottimizza i flussi autoregressivi e accelera in modo netto la produzione dei contenuti generati. Il dato più forte è il salto dichiarato di circa 83 volte rispetto ai paradigmi autoregressivi standard.
Questo margine cambia il peso operativo del modello, perché consente di produrre più rapidamente scene, variazioni ambientali e dati sintetici utili all’addestramento. Xiaomi sottolinea anche che il sistema può manipolare oggetti, luci, sfondi e rumore senza dover ricorrere a nuove raccolte costose di dati reali.
- FlashAR+ porta l’inferenza a una velocità fino a 83 volte superiore.
- Il sistema può generare scene nuove, anche estreme, per il training di robot.
- L’augmentazione dei dati aiuta nei casi fuori distribuzione, come luce sconosciuta o sfondi non familiari.
- L’uso principale resta la generazione visiva e di traiettorie, non il controllo diretto in tempo reale.
Il modello punta a robot più adattabili e test più affidabili
Xiaomi segnala anche un risultato importante sui benchmark: prima posizione su 126 partecipanti al WorldArena, a conferma di una competitività già molto alta nel confronto globale. Sul piano applicativo, i test in scenari fuori distribuzione mostrano un miglioramento medio di oltre il 26% nei progressi di completamento dei compiti strategici.
Per chi lavora su robotica e AI, il vantaggio non è teorico: un modello che sa generare ambienti nuovi, variare in modo credibile le condizioni visive e preservare le traiettorie utili alla manipolazione può rendere più rapidi i cicli di prova e più robusti i modelli finali.
- Primo posto su 126 partecipanti al WorldArena.
- Miglioramento medio superiore al 26% nei progressi dei compiti strategici in scenari fuori distribuzione.
- Distribuzione completa con codice e pesi del modello.
- Pensato per ricercatori e sviluppatori che costruiscono soluzioni robotiche personalizzate.
