MiMo-Embodied: Rapporto Tecnico sul Modello Fondazionale X-Embodied
MiMo-Embodied: X-Embodied Foundation Model Technical Report
November 20, 2025
Autori: Xiaoshuai Hao, Lei Zhou, Zhijian Huang, Zhiwen Hou, Yingbo Tang, Lingfeng Zhang, Guang Li, Zheng Lu, Shuhuai Ren, Xianhui Meng, Yuchen Zhang, Jing Wu, Jinghui Lu, Chenxu Dang, Jiayi Guan, Jianhua Wu, Zhiyi Hou, Hanbing Li, Shumeng Xia, Mingliang Zhou, Yinan Zheng, Zihao Yue, Shuhao Gu, Hao Tian, Yuannan Shen, Jianwei Cui, Wen Zhang, Shaoqing Xu, Bing Wang, Haiyang Sun, Zeyu Zhu, Yuncheng Jiang, Zibin Guo, Chuhong Gong, Chaofan Zhang, Wenbo Ding, Kun Ma, Guang Chen, Rui Cai, Diyun Xiang, Heng Qu, Fuli Luo, Hangjun Ye, Long Chen
cs.AI
Abstract
Rendiamo open-source MiMo-Embodied, il primo modello foundation cross-embodied ad integrare con successo e a raggiungere prestazioni all'avanguardia sia nella Guida Autonoma che nell'Embodied AI. MiMo-Embodied stabilisce nuovi record su 17 benchmark di Embodied AI nella Pianificazione di Compiti, nella Predizione di Affordance e nella Comprensione Spaziale, eccellendo anche in 12 benchmark di guida autonoma relativi a Percezione Ambientale, Predizione dello Stato e Pianificazione della Guida. In tutte queste attività, MiMo-Embodied supera significativamente i baseline esistenti, open-source, closed-source e specializzati. I nostri risultati indicano che, attraverso un apprendimento multi-stadio, una costruzione curata dei dati e un fine-tuning CoT/RL, questi due domini mostrano un forte trasferimento positivo e si rafforzano reciprocamente. Forniamo un'analisi dettagliata del design del nostro modello e delle metodologie di addestramento per facilitare ulteriori ricerche. Codice e modelli sono disponibili all'indirizzo https://github.com/XiaomiMiMo/MiMo-Embodied.
English
We open-source MiMo-Embodied, the first cross-embodied foundation model to successfully integrate and achieve state-of-the-art performance in both Autonomous Driving and Embodied AI. MiMo-Embodied sets new records across 17 embodied AI benchmarks in Task Planning, Affordance Prediction and Spatial Understanding, while also excelling in 12 autonomous driving benchmarks across Environmental Perception, Status Prediction, and Driving Planning. Across these tasks, MiMo-Embodied significantly outperforms existing open-source, closed-source, and specialized baselines. Our results indicate that through multi-stage learning, curated data construction, and CoT/RL fine-tuning, these two domains exhibit strong positive transfer and mutually reinforce one another. We provide a detailed analysis of our model design and training methodologies to facilitate further research. Code and models are available at https://github.com/XiaomiMiMo/MiMo-Embodied.