- 救援场景：山区发生地震后，道路中断，救援机器人搭载io-ebodied进入灾区：通过摄像头拍摄现场画面（视觉输入），传感器检测生命体征（比如呼吸、心跳），语音模块接收被困人员的呼救声（语音输入）；模型会快速判断被困人员的位置和状态，指挥机器人清理障碍物、输送食物和水，同时把现场情况实时传递给救援人员；这里用到了汽车的“复杂环境感知”能力和机器人的“精准操作”能力，让救援更高效、更安全。
四、它是怎么做到的？步训练，大白话讲透
可能有人会问：“一个ai怎么能同时搞定机器人和自动驾驶？是不是有什么黑科技？”其实核心逻辑很简单，咱们用“上学考试”
1 核心架构：三个“关键部件”，像人的“眼、脑、神经”
io-ebodied的架构就像一个完整的“智能系统”核心部分组成，分工明确：
- 视觉编码器（vit）：相当于“眼睛”——负责处理所有视觉信息，比如图片、视频、机器人摄像头拍的画面、汽车行车记录仪的影像，能从这些画面里提取关键信息（比如“这是红色杯子”“前方是红灯”“路边有障碍物”
- 投影器（lp）：相当于“神经中枢”——视觉编码器提取的信息是“视觉语言”模型懂的是“文字\/指令语言”，投影器的作用就是把这两种语言翻译成同一种“ai能懂的通用语言”能顺畅传递；
- 大语言模型（ll）：相当于“大脑”——负责理解你的指令、整合所有信息、做决策。比如收到“拿红色杯子”的指令，结合视觉信息“杯子在茶几上”放置”的动作指令；收到“避开拥堵”的指令，结合路况信息“前方施工”，就会生成新的行驶路线。
这三个部件配合起来，就像一个完整的人：眼睛看、神经传、大脑想，然后做出反应。
2 训练数据：“多学科课本”
要让ai变聪明，得给它喂足够多、足够全的“课本”——也就是训练数据。io-ebodied的“课本”，覆盖了所有关键场景：
- 通用多模态数据：相当于“基础课课本”——包含图片、视频、长文本等，比如新闻、科普文章、日常照片，让ai具备基本的理解能力，就像咱们小学学的语文、数学，是所有能力的基础；
- 具身智能数据：相当于“机器人专项课本”——包含机器人怎么抓取物体、怎么规划家务步骤、怎么理解室内空间的知识，比如“怎么拿起易碎品”“怎么在狭窄空间移动”懂机器人的任务逻辑；
- 自动驾驶数据：相当于“汽车专项课本”——包含交通规则、路况识别、驾驶规划的知识，比如“红灯停绿灯行”“怎么预判车辆变道”“雨天怎么安全行驶”，让ai懂驾驶的核心逻辑。
这就像一个学生，不仅学基础课，还学“机器人操作”和“汽车驾驶”两门专业课，知识储备自然全面。
3 四阶段训练：从“基础班”到“尖子班”
有了好的“课本”，还得有科学的“学习计划”。io-ebodied的训练分四步，一步一个台阶，最后成为“全能尖子生”
- 阶段1：具身智能基础训练——先学“机器人相关知识”，结合通用数据，打好视觉理解、任务推理的基础，就像先上“机器人基础班”么看懂指令、怎么规划简单动作；
- 阶段2：自动驾驶专项训练——在基础之上，再学“驾驶相关知识”，重点练复杂路况分析、动态预测能力，就像上“驾驶专项班”么应对道路上的各种情况；
- 阶段3：思维链推理训练——学“多步推理”还要提醒后方车辆→避免追尾”，就像上“逻辑思维班”，让ai不仅能做简单任务，还能处理复杂、多步骤的问题；
- 阶段4：强化学习训练——相当于“模拟考试+错题复盘”，用专门的算法给ai的表现打分，做得对就奖励、做得错就纠正，不断优化精度和可靠性，直到在所有测试中都拿到高分。
正是因为有了“全场景数据”和“循序渐进的训练”，io-ebodied才能同时精通两种完全不同的任务，还能让它们互相赋能。
4 开源：让全世界都来“帮它进步”
小米还做了一件特别关键的事：把io-ebodied开源了。啥意思呢？就像一个顶级厨师，不仅做出了一道好菜，还把菜谱、食材清单全公之于众，全世界的厨师都能照着做，还能根据自己的口味修改，然后把更好的做法分享回来。
开发者可以通过github、huggg face这些平台，免费获取模型和代码，不用从零开始研发，直接在这个基础上做修改，适配自己的场景——比如有人想做“快递配送机器人”，有人想做“智能农业设备”，都能直接用io-ebodied的核心能力，节省大量时间和成本。
而这些开发者的修改和优化，又能反过来丰富模型的能力，让io-ebodied越来越强，形成一个“开源共享、共同进步”的生态。这也是小米“人车家全生态”战略的关键一步——让这个ai大脑