MiMo-Embodied: Relatório Técnico do Modelo de Fundação X-Embodied
MiMo-Embodied: X-Embodied Foundation Model Technical Report
November 20, 2025
Autores: 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
Resumo
Lançamos em código aberto o MiMo-Embodied, o primeiro modelo de base cross-embodied a integrar com sucesso e alcançar desempenho de ponta tanto em Condução Autónoma como em IA Embutida. O MiMo-Embodied estabelece novos recordes em 17 benchmarks de IA embutida nas áreas de Planeamento de Tarefas, Previsão de *Affordance* e Compreensão Espacial, ao mesmo tempo que se destaca em 12 benchmarks de condução autónoma nas áreas de Perceção Ambiental, Previsão de Estado e Planeamento de Condução. Nestas tarefas, o MiMo-Embodied supera significativamente as linhas de base existentes, sejam de código aberto, fechado ou especializadas. Os nossos resultados indicam que, através de aprendizagem multiestágio, construção curada de dados e afinação por CoT/RL, estes dois domínios exibem uma forte transferência positiva e reforçam-se mutuamente. Fornecemos uma análise detalhada do nosso modelo de conceção e metodologias de treino para facilitar investigações futuras. O código e os modelos estão disponíveis em 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.