샤오미는 통합 구현 합성을 위해 설계된 380억 파라미터의 멀티모달 자기회귀 모델인 Xiaomi-Robotics-U0를 선보였습니다. 이 모델은 구현 생성을 기본 이미지 및 비디오 생성의 확장으로 간주하며, 텍스트-이미지 생성, 이미지 편집, 구현 장면 생성, 구현 변환, 구현 비디오 생성을 함께 최적화합니다.
- 전역화된 세계 기반 모델의 일반화를 보존하면서 구현 환경에 적응시킵니다.
- 여러 로봇 구현 전반에 걸쳐 고품질 다중 뷰 장면 생성을 지원합니다.
- 다중 뷰 일관성을 유지하면서 세밀한 편집을 위한 구조화된 제어 가능한 구현 변환을 도입합니다.
- 구현 장면 생성 및 변환에 대한 인간 평가에서 GPT-Image-2.0보다 우수합니다.
- 구현 비디오 생성 부문에서 World Arena에서 1위를 차지했습니다.
- 까다로운 실제 세계 조작 작업에서 pi_0.5의 분포 밖 성공률을 36.9%에서 63.2%로 개선했습니다.
이 결과는 기반 세계 모델이 구현 세계 모델이자 확장 가능한 지능을 위한 데이터 엔진으로 기능할 수 있음을 보여줍니다.