أعلنت شاومي عن Xiaomi-Robotics-U0، وهو نموذج متعدد الوسائط ذاتي الانحدار يحتوي على 38 مليار معامل، مصمم للتوليد الموحد للجسد. يعالج النموذج التوليد الجسدي كتمديد لتوليد الصور ومقاطع الفيديو الأساسية، حيث يحسن بشكل مشترك توليد الصور من النص، وتحرير الصور، وتوليد المشاهد الجسدية، والنقل الجسدي، وتوليد مقاطع الفيديو الجسدية.
- يحافظ على قدرة النمذجة الأساسية للعالم المدربة مسبقًا على التعميم مع تكييفها لإعدادات الجسم.
- يدعم توليد مشاهد متعددة المناظر عالية الجودة عبر تجسيدات روبوتية متعددة.
- يقدم نقلًا جسديًا منظمًا وقابلًا للتحكم للتحرير الدقيق مع الحفاظ على اتساق المشاهد المتعددة.
- يتفوق على GPT-Image-2.0 في التقييمات البشرية لتوليد ونقل المشاهد الجسدية.
- يحتل المرتبة الأولى على World Arena لتوليد مقاطع الفيديو الجسدية.
- يحسن معدل النجاح خارج التوزيع لـ pi_0.5 من 36.9% إلى 63.2% في مهام التعامل الواقعية الصعبة.
تُظهر النتائج أن نماذج العالم الأساسية يمكن أن تعمل كنماذج لعالم جسدي ومحركات بيانات قابلة للتوسع للذكاء الجسدي.