小米开源MiMo-Embodied大模型：全球首个跨域具身智能方案

2025年11月21日，小米正式发布具备实体感知能力的大规模模型MiMo-Embodied，并宣布将该模型全面开源。这一举措标志着智能系统在跨领域融合方面取得了重要突破。

随着智能技术在家居场景中的深入应用以及自动驾驶逐步迈向规模化落地，行业面临一个共性挑战：如何让机器人与车辆在认知与能力之间实现高效互通？室内环境下的智能交互能力能否与室外驾驶的决策能力相互促进？针对这一核心问题，MiMo-Embodied应运而生。

作为业内首个成功连接自动驾驶与具身智能的跨领域基座模型，MiMo-Embodied实现了两大技术领域的统一建模，推动通用具身智能从单一场景专用向多场景能力协同迈出关键一步。

该模型具备三大核心技术优势：

其一，具备跨领域能力覆盖。模型可同步支持具身智能的三大核心任务——可供应性推理、任务规划与空间理解，同时兼容自动驾驶的三项关键功能——环境感知、状态预测与驾驶规划，构建起贯通室内外场景的全链路智能支撑体系。

其二，实现双向协同赋能。通过验证室内交互能力与道路行驶决策之间的知识迁移与协同效应，模型为不同场景下的智能融合提供了新的技术路径，打破传统垂直领域间的壁垒。

其三，完成全链路优化提升。采用"具身与驾驶能力预训练—思维链推理增强—强化学习精细调优"的多阶段训练架构，显著提高了模型在复杂真实环境中的稳定性和部署可靠性。

在涵盖感知、决策与规划在内的29项核心基准测试中，MiMo-Embodied展现出领先性能，整体表现优于现有各类开源、闭源及专用模型：

在具身智能相关测试的17项基准中，模型取得当前最优结果，刷新了任务规划、可供应性预测和空间理解等方面的能力上限；

在自动驾驶相关的12项基准评估中，模型实现了从环境感知到行为预测再到驾驶策略生成的全链条性能突破；

在通用视觉与语言理解任务中，模型同样表现出强大的基础感知与泛化能力，在多个关键指标上实现显著提升，展现出广泛的适应潜力。