小米陈龙团队首作：统一具身与自动驾驶的开源模型

在发布多款自研大模型之后，小米又交出了一份重要成果。 小米具身智能团队正式发布了首篇论文，提出统一具身智能与自动驾驶的新模型 MiMo-Embodied。模型在 17 项具身任务和 12 项自动驾驶任务中取得领先表现，更重要的是，它从工程层面展示了这两个长期分离的技术领域可以在同一框架下实现统一建模。 小米智驾团队的郝孝帅是论文的核心第一作者，小米智驾团队首席科学家陈龙博士担任 project leader。 该模型是陈龙团队的首个重大成果。由于以罗福莉团队之前发布的MiMo-VL作为基座进行了continue-train，这也是文章作者栏中有“罗福莉”的原因。此前有媒体曾误解为罗福莉首个小米成果，也引发了当事人发朋友圈澄清事实。 这篇论文关注的核心问题是：同一套视觉语言模型，能否在面对“抓取物体”与“驾驶车辆”这两类差异极大的任务时，仍保持一致的理解方式和决策逻辑。 这一问题长期困扰多场景智能体的研究，而 MiMo-Embodied 正是小米对这一方向给出的首次系统回应。 多任务统领式领先 这篇论文中主要围绕两个主要方向进行了系统实验：具身智能与自动驾驶。 整体结果非常突出，可以用一句话概括：MiMo-Embodied 在 17 个具身智能任务和 12 个自动驾驶任务中，都取得了全面领先的表现，在多数关键基准上都处于第一。 <img src="https://static.leiphone.com/uploads/new/images/2025