全球机器人训练领域正迎来一场关键变革，小米推出的开源模型Xiaomi-Robotics-U0（以下简称U0）凭借统一架构、可控生成和高效推理三大创新，为具身智能训练数据短缺问题提供了突破性解决方案。该模型通过整合多模态生成能力，构建起低成本、高扩展性的数据生产体系，在多个权威评测中展现出显著优势。
传统机器人训练依赖真机采集数据，但人工操作和设备部署成本高昂，且难以覆盖极端场景。U0创新性地将具身场景生成、轨迹迁移、交互视频生成及通用图像编辑四大功能整合到统一框架中，实现"一模型多任务"的突破。例如，一段机械臂放置耳机的原始轨迹，经模型处理后可生成不同光照、背景或物体形态的衍生场景，无需重复真机操作。这种能力使单条真实数据可扩展出数十倍训练样本，显著降低数据获取成本。
针对具身数据对几何一致性的严苛要求，U0开发了五维解耦控制技术。该技术将生成过程拆解为工作台布局、操作物体、背景杂物、光照条件和背景信息五个独立维度，支持通过自然语言精准控制变量调整。测试显示，模型在替换物体或修改光照时，能保持机械臂位姿、物体接触关系及多视角几何关系的高度一致，解决了传统生成模型易出现空间错位的问题。这种可控性在耳机收纳、毛巾折叠等精细操作任务中尤为关键，确保生成数据可直接用于策略训练。
在效率优化方面，U0采用FlashAR+推理加速方案，通过并行解码和资源调度技术，将1024×1024分辨率下的单样本生成时间从450秒压缩至5.4秒，效率提升82.9倍。这种突破使大规模数据生成成为可能——一条真实轨迹可在数小时内衍生出覆盖数百种场景的训练集，且算力成本降低至行业可接受水平。清华大学牵头的WorldArena基准测试中，U0以匿名身份UNIS参评，在126个参评模型中夺得总分第一，并在指令遵循、交互质量等核心指标上领先。
真机评测进一步验证了U0的实用价值。使用扩增数据训练的机器人在未知光照、陌生背景等分布外场景中，任务完成率平均提升26.3%。特别是在反光物体干扰测试中，传统训练策略因识别偏差频繁停滞，而U0扩增数据训练的机器人能通过多视角观测动态调整动作，展现出更强的环境适应能力。这种泛化性能的提升，源于模型对长尾场景的覆盖——通过生成极端光照、复杂背景等稀有样本，帮助机器人提前学习应对策略。
行业分析指出，U0的开源标志着具身智能进入数据基础设施竞争阶段。相比传统依赖硬件堆砌的路径，该模型通过软件创新重构数据生产流程，使中小团队也能以低成本构建高质量训练集。随着模型在工业分拣、家庭服务等领域的应用，机器人规模化落地的最后一道障碍——数据成本与泛化能力——正被逐步攻克。
