Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time Execution
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Cai, Rui, Guo, Jun, He, Xinze, Jin, Piaopiao, Li, Jie, Lin, Bingxuan, Liu, Futeng, Liu, Wei, Ma, Fei, Ma, Kun, Qiu, Feng, Qu, Heng, Su, Yifei, Sun, Qiao, Wang, Dong, Wang, Donghao, Wang, Yunhong, Wu, Rujie, Xiang, Diyun, Yang, Yu, Ye, Hangjun, Zhang, Yuan, Zhou, Quanyun |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Multimodal Skeleton-Based Action Representation Learning via Decomposition and Composition
par: Wang, Hongsong, et autres
Publié: (2025)
par: Wang, Hongsong, et autres
Publié: (2025)
RotVLA: Rotational Latent Action for Vision-Language-Action Model
par: Li, Qiwei, et autres
Publié: (2026)
par: Li, Qiwei, et autres
Publié: (2026)
Attention to details, logits to truth: visual-aware attention and logits enhancement to mitigate hallucinations in LVLMs
par: Wang, Jingyi, et autres
Publié: (2026)
par: Wang, Jingyi, et autres
Publié: (2026)
Xiaomi OneVL: One-Step Latent Reasoning and Planning with Vision-Language Explanation
par: Lu, Jinghui, et autres
Publié: (2026)
par: Lu, Jinghui, et autres
Publié: (2026)
Collaborative Multi-Mode Pruning for Vision-Language Models
par: Wu, Zimeng, et autres
Publié: (2026)
par: Wu, Zimeng, et autres
Publié: (2026)
DevPiolt: Operation Recommendation for IoT Devices at Xiaomi Home
par: Wang, Yuxiang, et autres
Publié: (2025)
par: Wang, Yuxiang, et autres
Publié: (2025)
Xiaomi Auto World Model: A Joint World Model Integrating Reconstruction and Generation for Autonomous Driving
par: Zhou, Lijun, et autres
Publié: (2026)
par: Zhou, Lijun, et autres
Publié: (2026)
Xiaomi MiMo-VL-Miloco Technical Report
par: Li, Jiaze, et autres
Publié: (2025)
par: Li, Jiaze, et autres
Publié: (2025)
Probe and Skip: Self-Predictive Token Skipping for Efficient Long-Context LLM Inference
par: Wu, Zimeng, et autres
Publié: (2026)
par: Wu, Zimeng, et autres
Publié: (2026)
Towards Securing UAV‐Assisted Edge Computing: A Trust‐Based Intrusion Detection Framework With Multi‐Source Feedback
par: Jun Tao, et autres
Publié: (2025)
par: Jun Tao, et autres
Publié: (2025)
Team Xiaomi EV-AD VLA: Caption-Guided Retrieval System for Cross-Modal Drone Navigation -- Technical Report for IROS 2025 RoboSense Challenge Track 4
par: Zhang, Lingfeng, et autres
Publié: (2025)
par: Zhang, Lingfeng, et autres
Publié: (2025)
WisdomInterrogatory (LuWen): An Open-Source Legal Large Language Model Technical Report
par: Wu, Yiquan, et autres
Publié: (2026)
par: Wu, Yiquan, et autres
Publié: (2026)
SkeletonX: Data-Efficient Skeleton-based Action Recognition via Cross-sample Feature Aggregation
par: Zhang, Zongye, et autres
Publié: (2025)
par: Zhang, Zongye, et autres
Publié: (2025)
Bongard-OpenWorld: Few-Shot Reasoning for Free-form Visual Concepts in the Real World
par: Wu, Rujie, et autres
Publié: (2023)
par: Wu, Rujie, et autres
Publié: (2023)
Conductance Anomaly in a Partially Open Adiabatic Quantum Point Contact
par: Liu, Donghao, et autres
Publié: (2025)
par: Liu, Donghao, et autres
Publié: (2025)
OpenRSD: Towards Open-prompts for Object Detection in Remote Sensing Images
par: Huang, Ziyue, et autres
Publié: (2025)
par: Huang, Ziyue, et autres
Publié: (2025)
Understanding and Estimating the Execution Time of Quantum Circuits
par: Ma, Ning, et autres
Publié: (2024)
par: Ma, Ning, et autres
Publié: (2024)
Dexbotic: Open-Source Vision-Language-Action Toolbox
par: Xie, Bin, et autres
Publié: (2025)
par: Xie, Bin, et autres
Publié: (2025)
Generative Modelling with High-Order Langevin Dynamics
par: Shi, Ziqiang, et autres
Publié: (2024)
par: Shi, Ziqiang, et autres
Publié: (2024)
Executable Code Actions Elicit Better LLM Agents
par: Wang, Xingyao, et autres
Publié: (2024)
par: Wang, Xingyao, et autres
Publié: (2024)
Towards an Effective Action-Region Tracking Framework for Fine-grained Video Action Recognition
par: Sun, Baoli, et autres
Publié: (2025)
par: Sun, Baoli, et autres
Publié: (2025)
Beyond Open Vocabulary: Multimodal Prompting for Object Detection in Remote Sensing Images
par: Yang, Shuai, et autres
Publié: (2026)
par: Yang, Shuai, et autres
Publié: (2026)
TacRefineNet: Tactile-Only Grasp Refinement Between Arbitrary In-Hand Object Poses
par: Wang, Shuaijun, et autres
Publié: (2025)
par: Wang, Shuaijun, et autres
Publié: (2025)
On‐Origami Molecular Crowding Control of G‐Quadruplex DNAzymes
par: Bei Yang, et autres
Publié: (2025)
par: Bei Yang, et autres
Publié: (2025)
4Diffusion: Multi-view Video Diffusion Model for 4D Generation
par: Zhang, Haiyu, et autres
Publié: (2024)
par: Zhang, Haiyu, et autres
Publié: (2024)
AccVideo: Accelerating Video Diffusion Model with Synthetic Dataset
par: Zhang, Haiyu, et autres
Publié: (2025)
par: Zhang, Haiyu, et autres
Publié: (2025)
When to Trust Imagination: Adaptive Action Execution for World Action Models
par: Wang, Rui, et autres
Publié: (2026)
par: Wang, Rui, et autres
Publié: (2026)
EntroCut: Entropy-Guided Adaptive Truncation for Efficient Chain-of-Thought Reasoning in Small-scale Large Reasoning Models
par: Yan, Hongxi, et autres
Publié: (2026)
par: Yan, Hongxi, et autres
Publié: (2026)
HIPTrack: Visual Tracking with Historical Prompts
par: Cai, Wenrui, et autres
Publié: (2023)
par: Cai, Wenrui, et autres
Publié: (2023)
CtxMIM: Context-Enhanced Masked Image Modeling for Remote Sensing Image Understanding
par: Zhang, Mingming, et autres
Publié: (2023)
par: Zhang, Mingming, et autres
Publié: (2023)
SPMTrack: Spatio-Temporal Parameter-Efficient Fine-Tuning with Mixture of Experts for Scalable Visual Tracking
par: Cai, Wenrui, et autres
Publié: (2025)
par: Cai, Wenrui, et autres
Publié: (2025)
HiT: Building Mapping with Hierarchical Transformers
par: Zhang, Mingming, et autres
Publié: (2023)
par: Zhang, Mingming, et autres
Publié: (2023)
An Efficient and Multi-Modal Navigation System with One-Step World Model
par: Shen, Wangtian, et autres
Publié: (2026)
par: Shen, Wangtian, et autres
Publié: (2026)
DocOS: Towards Proactive Document-Guided Actions in GUI Agents
par: Liu, Jingjing, et autres
Publié: (2026)
par: Liu, Jingjing, et autres
Publié: (2026)
Medical Image Segmentation via Single-Source Domain Generalization with Random Amplitude Spectrum Synthesis
par: Qiao, Qiang, et autres
Publié: (2024)
par: Qiao, Qiang, et autres
Publié: (2024)
SwitchVLA: Execution-Aware Task Switching for Vision-Language-Action Models
par: Li, Meng, et autres
Publié: (2025)
par: Li, Meng, et autres
Publié: (2025)
Real-Time Robot Execution with Masked Action Chunking
par: Wang, Haoxuan, et autres
Publié: (2026)
par: Wang, Haoxuan, et autres
Publié: (2026)
OpenYield: An Open-Source SRAM Yield Analysis and Optimization Benchmark Suite
par: Shen, Shan, et autres
Publié: (2025)
par: Shen, Shan, et autres
Publié: (2025)
Demystifying Issues, Causes and Solutions in LLM Open-Source Projects
par: Cai, Yangxiao, et autres
Publié: (2024)
par: Cai, Yangxiao, et autres
Publié: (2024)
Gotta Hear Them All: Towards Sound Source Aware Audio Generation
par: Guo, Wei, et autres
Publié: (2024)
par: Guo, Wei, et autres
Publié: (2024)
Documents similaires
-
Multimodal Skeleton-Based Action Representation Learning via Decomposition and Composition
par: Wang, Hongsong, et autres
Publié: (2025) -
RotVLA: Rotational Latent Action for Vision-Language-Action Model
par: Li, Qiwei, et autres
Publié: (2026) -
Attention to details, logits to truth: visual-aware attention and logits enhancement to mitigate hallucinations in LVLMs
par: Wang, Jingyi, et autres
Publié: (2026) -
Xiaomi OneVL: One-Step Latent Reasoning and Planning with Vision-Language Explanation
par: Lu, Jinghui, et autres
Publié: (2026) -
Collaborative Multi-Mode Pruning for Vision-Language Models
par: Wu, Zimeng, et autres
Publié: (2026)