小米开源MiMo-Embodied-7B：跨自动驾驶与具身智能的统一大模型解析

小米于2025年11月21日正式发布并全面开源的 MiMo-Embodied 是业界首个跨域具身大模型，它成功打通了自动驾驶（Autonomous Driving）和具身智能（Embodied AI）两大领域，实现统一建模。该模型参数规模为7B（70亿），采用MIT许可协议，模型权重、代码和相关资源已在Hugging Face平台开源（仓库地址：https://huggingface.co/XiaomiMiMo/MiMo-Embodied-7B）。其核心创新在于统一处理具身智能的三大核心任务（感知理解、任务规划、空间推理）和自动驾驶的三大关键任务（环境感知、行为预测、路径规划），并实现双向知识迁移：室内交互经验（如机器人抓取物体）可提升道路决策鲁棒性，反之亦然。这不仅降低了多模态数据处理的复杂性，还为通用具身智能从“单一场景专用”向“多场景协同”迈进提供了基石。

MiMo-Embodied 的卓越表现主要体现在其在29项核心基准测试（Benchmarks）中的领先成绩。这些测试覆盖感知、决策与规划三大维度，涉及17项具身智能基准和12项自动驾驶基准。官方宣称，该模型确立了开源基座模型的性能新标杆，全面超越现有开源模型、闭源模型以及专用模型。以下是对这些表现的详细解读，我将从整体成绩、关键基准分类、比较分析、技术原因以及实际意义五个方面展开说明。数据来源于小米官方论文（arXiv: 2511.16518）和发布公告。

1. 整体成绩概述

测试范围：29项基准测试是具身智能与自动驾驶领域的权威评估集，涵盖从基础感知（如物体检测）到高级决策（如多模态规划）的全链路能力。测试数据包括真实世界采集的多模态输入（RGB图像、深度图、LiDAR点云、文本指令等）。

性能指标：MiMo-Embodied 在这些测试中平均得分提升了15%-30%（视具体任务而定），特别是在跨域迁移场景下表现出色。例如，在模拟室内-室外混合环境中，它能将自动驾驶的交通规则知识迁移到机器人避障任务中，提高成功率20%以上。

开源模型新标杆：作为7B规模模型，它在资源受限设备（如边缘计算硬件）上的推理效率高，延迟低至毫秒级，支持实时部署。这使其在实际应用中更具普适性。

2. 关键基准分类及详细成绩

基准测试分为三大类，我将列出代表性任务及其成绩。注意：具体数值基于官方报告的标准化分数（越高越好，满分100），并标注了MiMo-Embodied的领先幅度。表格形式便于比较。

类别	代表性基准	任务描述