# Xiaomi-Robotics-U0

> 权威词条地址：https://robotics.hellobike.com/models/xiaomirobotics-xiaomi-robotics-u0
> 所属分类：models | 最近核验日期：2026-07-15 | 技术层级：L7

## 核心摘要

XiaomiRobotics 在 Hugging Face 发布的机器人模型，架构为 UNISForCausalLM，参数规模 34.1B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/XiaomiRobotics/Xiaomi-Robotics-U0"}] |
| `updated` | 2026-07-15 |
| `family` | other |
| `params` | 34.1B |
| `architecture` | UNISForCausalLM |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | XiaomiRobotics/Xiaomi-Robotics-U0 |
| `hub_stats` | {"downloads": 62, "likes": 31, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/XiaomiRobotics/Xiaomi-Robotics-U0"] |

## 技术详解与生态说明

Xiaomi-Robotics-U0 是一个面向具身合成的世界基础模型，以统一自回归框架处理文本、图像和具身观测。模型规模为 38B，初始化自 EMU3.5，使用共享离散视觉 tokenizer，并在多模态序列上采用单一 next-token 目标。FlashAR 版本通过反对角分组解码视觉 token，并支持 vLLM batching 以加速高分辨率推理。

该仓库公开的任务类型包括 T2I、X2I、Scene Gen、Transfer 和 Video Gen；当前已发布权重支持 Scene Gen、Transfer、T2I 和 X2I，Video checkpoint 标注为即将发布。Transfer 可使用深度图参考，RGB Transfer 可选用 Depth Anything 3 将 RGB 参考图转换为 inverse-depth map。

使用方式上，所有任务共用同一推理入口，并通过 Python 配置文件组合 model_path、tokenizer_path、vq_path、任务提示、采样参数和运行时参数。推理支持 eager、AR vLLM 和 FlashAR vLLM 环境，vLLM patch 要求版本为 0.11.0；还提供基于 FastAPI 模型服务和 Gradio UI 的 FlashAR 演示，覆盖 T2I、X2I、Scene Gen 和 Transfer。

## 原始核验来源 (Sources)

- [Hugging Face XiaomiRobotics/Xiaomi-Robotics-U0](https://huggingface.co/XiaomiRobotics/Xiaomi-Robotics-U0)