全球机器人训练领域正迎来一场关键变革，小米发布的开源模型Xiaomi-Robotics-U0（以下简称U0）以三项核心创新突破了具身智能发展的数据瓶颈。该模型通过统一架构整合四类生成任务，在WorldArena基准测试中以匿名代号UNIS登顶全球榜首，其生成的数据使机器人策略在未知环境中的任务完成率平均提升26.3%，标志着具身数据生产进入低成本规模化阶段。
传统机器人训练依赖真机采集数据，但人工操作与设备投入的线性增长模式难以覆盖低频极端场景。例如特斯拉Optimus训练场需工作人员佩戴多摄像头设备重复执行拿杯子、擦桌子等基础动作，印度工厂则通过工人头戴摄像头记录装配流程。这种"物理世界互联网"的缺失，导致具身模型训练面临数据规模与质量的双重挑战。U0的突破性在于构建了全球首个统一生成框架，将具身场景生成、具身迁移、机器人交互视频生成及通用文生图功能整合，使单条真实轨迹可衍生出数千种变体场景。
该模型通过五维解耦控制技术实现精准数据生成。研究人员可将机械臂操作轨迹分解为工作台布局、操作物体、背景杂物、光照条件、背景信息五个独立维度，通过自然语言指令单独修改特定参数。例如在耳机收纳任务中，模型可保持机械臂动作不变，仅替换耳机颜色或调整桌面光照，生成的数据既保留原始动作标签，又覆盖不同环境变量。这种设计使生成数据在清华大学、北京大学联合构建的WorldArena测试中，视角一致性得分超越GPT-Image-2.0等顶尖模型。
效率革命是U0的另一大突破。采用FlashAR+推理加速方案后，模型在1024×1024分辨率下的单样本生成时间从450.77秒压缩至5.44秒，效率提升82.9倍。这项技术通过结合对角并行解码与vLLM分页KV缓存机制，使算力成本降低至行业平均水平的1/10。真机测试显示，使用U0扩增数据训练的机器人在反光物体干扰、彩色灯光变化等场景中，能根据多视角观测实时修正动作偏差，而传统模型在此类条件下易因识别错误导致任务中断。
开源策略正在重塑行业生态。U0将互联网视觉数据中的仓库、医院等场景知识引入具身任务，使模型能生成包含1200种物体材质、200类光照条件的开放世界场景。在耳机收纳、毛巾折叠等精细操作任务中，经U0数据训练的机器人策略表现出更强的环境适应能力。这种"数据工厂"模式使行业摆脱了对真机采集规模的绝对依赖，为机器人规模化落地提供了关键基础设施。当前已有37家科研机构基于U0框架构建数据集，覆盖工业装配、家庭服务等23个应用场景。
