# Xiaomi-Robotics-U0-FlashAR

> 权威词条地址：https://robotics.hellobike.com/models/xiaomirobotics-xiaomi-robotics-u0-flashar
> 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 UNISFlashARForCausalLM，参数规模 37.5B。

## 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-FlashAR"}] |
| `updated` | 2026-07-15 |
| `family` | other |
| `params` | 37.5B |
| `architecture` | UNISFlashARForCausalLM |
| `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-FlashAR |
| `hub_stats` | {"downloads": 52, "likes": 11, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/XiaomiRobotics/Xiaomi-Robotics-U0-FlashAR"] |

## 技术详解与生态说明

Xiaomi-Robotics-U0-FlashAR 是 Xiaomi-Robotics-U0 的加速推理权重，用于一个统一的自回归具身生成框架。模型面向文本、图像和具身观测，是 38B 参数的 World Foundation Model，初始化自 EMU3.5；它使用共享的离散视觉 tokenizer，并在多模态序列上采用统一的 next-token 目标。当前发布权重支持 T2I、X2I、Scene Gen 和 Transfer，Video Gen 代码可用但对应 Xiaomi-Robotics-U0-Video checkpoint 尚未发布。

FlashAR 通过按反对角线分组解码视觉 token，并支持 vLLM batching 来加速高分辨率推理；在单张 H20 上，1024x1024 T2I 的 FlashAR vLLM 速度为 5.44 s/img。仓库提供推理代码、可组合 Python 配置、Gradio 入口，以及 AR / FlashAR 的 vLLM patch set；vLLM patch 要求安装版本为 0.11.0。RGB Transfer 可选用 Depth Anything 3 将 RGB 参考图转换为 inverse-depth map，默认 DA3 模型为 depth-anything/DA3-LARGE-1.1。

## 原始核验来源 (Sources)

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