Xiaomi、具身智能向け統一生成モデル「Xiaomi-Robotics-U0」を発表 380億パラメータで4種の生成タスクを統合

何が起きたか

Xiaomiは2026年7月13日、具身智能向けの統一生成モデル「Xiaomi-Robotics-U0」を発表した。同モデルは380億パラメータのマルチモーダル自己回帰モデルで、具身シーン生成・具身遷移・ロボットインタラクション動画生成・汎用文生図と画像編集の4タスクを単一モデルで統合する。実世界の操作タスクにおいて、pi_0.5の成功率を36.9%から63.2%に向上させたとしている。

詳細

Xiaomi-Robotics-U0は、事前学習済みのワールド基盤モデルの一般化能力を維持しつつ、具身設定に適応する統一フレームワークを採用する。複数のロボット形態にわたる高品質なマルチビューシーン生成をサポートする初のモデルであり、マルチビュー一貫性とインタラクション動態を保ちながら、構造化された制御可能な具身遷移を導入する。単一ステップおよび逐次生成タスクで最先端の結果を達成し、人間評価でGPT-Image-2.0を上回り、World Arenaの具身動画生成で1位を獲得した。コードとチェックポイントはhttps://robotics.xiaomi.com/xiaomi-robotics-u0.htmlで公開されている。

Key Facts

本紙の見方

今回の発表は、Xiaomiが具身智能分野で基盤モデルを自前で開発する姿勢を明確にした点で重要だ。380億パラメータという規模は、同社がこれまで公開してきたロボット関連技術の中でも最大級であり、単なる掃除機メーカーから、ロボットの「頭脳」を担うAI企業へと軸足を移す意図が読み取れる。 本紙の過去報道では、2026年7月15日にXiaomiがロボット用ワールドモデル「Xiaomi-Robotics-U0」をオープンソース化し、データ生成速度を82倍高速化したと報じた。今回のarxiv論文はその詳細を裏付けるもので、データ生成速度の向上は、この統一生成モデルが「データエンジン」として機能することに由来する。つまり、U0は単なる生成モデルではなく、実世界データを合成データで補完し、ロボットの学習効率を飛躍的に高める役割を担う。 業界構造への含意として、U0の登場はロボット開発の「データ不足」という根本的な課題に対する一つの解答を示す。従来、ロボットの操作スキルは実機での試行錯誤に依存し、データ収集に膨大なコストがかかった。U0は、具身シーンや遷移を生成することで、シミュレーションと実世界のギャップを埋める可能性を持つ。特に、pi_0.5の成功率を36.9%から63.2%に向上させたという結果は、合成データが実世界の性能向上に直結することを示唆しており、ロボット開発のパラダイムを変える可能性がある。 一方で、未確定の論点も残る。論文では「複数のロボット形態」に対応するとあるが、具体的にどのロボットに適用されたのかは明記されていない。また、データ生成速度の82倍という数値は、本紙の過去報道で言及されたが、今回のarxiv論文には明示されておらず、その根拠は不明だ。さらに、U0が実際にXiaomiの製品（掃除機や自動車生産ラインのロボット）にいつ搭載されるのか、商用化のスケジュールは示されていない。 今後の焦点は、U0がオープンソースであることから、外部の研究機関や企業がどのように活用するか、そしてXiaomi自身がこのモデルを自社のロボット製品にどう組み込むかにある。特に、RoborockがXiaomi生態系から独立した後、Xiaomiが自社のロボット技術を強化する動きは、競争激化の一環とみられる。

なぜ重要か

Xiaomi-Robotics-U0は、ロボット開発におけるデータ生成のコストを大幅に下げる可能性を秘めており、具身智能の研究開発を加速させる。また、Xiaomiが基盤モデルを自前で開発しオープンソース化する戦略は、同社を単なる家電メーカーからAIロボット企業へと再定義するものであり、業界の競争構図を変える可能性がある。

日本への影響

日本はロボット産業で強みを持つが、AI基盤モデルの開発では米中に遅れを取っている。Xiaomiがオープンソースで提供するU0は、日本のロボットメーカーが自前で大規模モデルを開発するコストを回避し、合成データ生成を活用する道を開く。特に、シミュレーションと実機のギャップに悩む産業用ロボット分野では、U0のような統一生成モデルがデータ不足を解消する手段となり得る。