Xiaomi-Robotics-0: Een open-source visie-taal-actie-model met real-time uitvoering
Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time Execution
February 13, 2026
Auteurs: Rui Cai, Jun Guo, Xinze He, Piaopiao Jin, Jie Li, Bingxuan Lin, Futeng Liu, Wei Liu, Fei Ma, Kun Ma, Feng Qiu, Heng Qu, Yifei Su, Qiao Sun, Dong Wang, Donghao Wang, Yunhong Wang, Rujie Wu, Diyun Xiang, Yu Yang, Hangjun Ye, Yuan Zhang, Quanyun Zhou
cs.AI
Samenvatting
In dit rapport introduceren we Xiaomi-Robotics-0, een geavanceerd vision-language-action (VLA)-model dat is geoptimaliseerd voor hoge prestaties en een snelle en soepele uitvoering in realtime. De sleutel tot onze methode ligt in een zorgvuldig ontworpen trainingsrecept en implementatiestrategie. Xiaomi-Robotics-0 wordt eerst voorgetraind op grootschalige robottrajecten en vision-language gegevens met verschillende embodimenten, waardoor het brede en generaliseerbare actiegeneratiecapaciteiten verkrijgt, terwijl catastrofale vergetelheid van de visueel-semantische kennis van het onderliggende voorgetrainde VLM wordt voorkomen. Tijdens de natraining stellen we verschillende technieken voor om het VLA-model te trainen voor asynchrone uitvoering, om de inferentielatentie tijdens real-robot rollouts aan te pakken. Tijdens de implementatie stellen we de tijdstappen van opeenvolgende voorspelde actiebrokken zorgvuldig af om continue en naadloze real-time rollouts te garanderen. We evalueren Xiaomi-Robotics-0 uitgebreid in simulatiebenchmarks en op twee uitdagende real-robot taken die precieze en behendige bimanuele manipulatie vereisen. De resultaten tonen aan dat onze methode state-of-the-art prestaties behaalt in alle simulatiebenchmarks. Bovendien kan Xiaomi-Robotics-0 snel en soepel worden uitgerold op echte robots met behulp van een consumenten-GPU, waarbij hoge slagingspercentages en doorvoer worden bereikt op beide real-robot taken. Om toekomstig onderzoek te faciliteren, zijn code en modelcheckpoints openbaar gemaakt op https://xiaomi-robotics-0.github.io.
English
In this report, we introduce Xiaomi-Robotics-0, an advanced vision-language-action (VLA) model optimized for high performance and fast and smooth real-time execution. The key to our method lies in a carefully designed training recipe and deployment strategy. Xiaomi-Robotics-0 is first pre-trained on large-scale cross-embodiment robot trajectories and vision-language data, endowing it with broad and generalizable action-generation capabilities while avoiding catastrophic forgetting of the visual-semantic knowledge of the underlying pre-trained VLM. During post-training, we propose several techniques for training the VLA model for asynchronous execution to address the inference latency during real-robot rollouts. During deployment, we carefully align the timesteps of consecutive predicted action chunks to ensure continuous and seamless real-time rollouts. We evaluate Xiaomi-Robotics-0 extensively in simulation benchmarks and on two challenging real-robot tasks that require precise and dexterous bimanual manipulation. Results show that our method achieves state-of-the-art performance across all simulation benchmarks. Moreover, Xiaomi-Robotics-0 can roll out fast and smoothly on real robots using a consumer-grade GPU, achieving high success rates and throughput on both real-robot tasks. To facilitate future research, code and model checkpoints are open-sourced at https://xiaomi-robotics-0.github.io