Xiaomi、4つのタスクを統合した38Bパラメーターのロボティクス向け統一生成モデル「Robotics-U0」をオープンソース化

Xiaomiがオープンソースとして公開した「Robotics-U0」は、ロボティクス分野における大規模な汎用AIモデル開発の新たな一歩を示します。この380億パラメーターの統一生成モデルは、これまで個別のAIモデルで処理されてきた4つの主要なタスク—シーン生成、エンボディド転送（具現化されたタスクの転送）、ビデオ生成、そしてテキストから画像生成—を単一のアーキテクチャで処理できる点で画期的です。

従来のロボティクスAIは、特定のタスクに特化したモデルが多かったため、異なるタスク間で知識を共有したり、複雑な複合タスクをこなしたりするのが困難でした。Robotics-U0は、これらのタスクを統一されたTransformerアーキテクチャ内で扱うことで、より汎用性が高く、複雑な環境認識と行動計画が可能なロボットの実現を目指しています。現時点ではベンチマーク結果や学習データは公開されていませんが、オープンソース化により、研究コミュニティ全体での検証と改善が期待されます。

技術的な意義としては、異なるモーダリティやタスクを単一モデルで処理するマルチモーダル学習と、それをロボットの「具現化された知能（embodied intelligence）」へと繋げる点で重要です。これにより、ロボットはより広範なタスクを柔軟に学習し、実世界での応用範囲が拡大します。このような統合モデルは、ロボットが人間と同じように多様な情報を処理し、状況に応じて適切な行動を選択する能力を高めるための重要な基盤となります。

社会・産業への影響は大きく、Robotics-U0のような汎用モデルの登場は、スマート製造、スマートホーム、物流、さらにはヒューマノイドロボットの開発を加速させるでしょう。開発者は、複数のモデルを組み合わせる手間を省き、より効率的に高度なロボットアプリケーションを構築できるようになります。オープンソースであるため、中小企業や研究機関もこの技術を活用し、イノベーションを創出する機会が増えます。今後は、Robotics-U0をベースにした新たなロボットアプリケーションや、さらに大規模な統一モデルの開発が進むことが期待されます。