Xiaomi Embodied Intelligence TeamはarXivに技術報告を公開し、軽量で統合された具身知能エージェント「OmniBrain-0」を提案した。汎用具身知能の課題は、ロボットが長いタイムスパンで多様なスキルを調整し、タスクの進捗を追跡し、失敗から回復する必要があることだ。専門家ポリシーだけではタスクレベルの信頼性を保証できず、強力なマルチモーダルエージェントは高コストな推論と外部経験に依存するため、コンパクトなモデルでの再現が難しい。
OmniBrain-0は、共有される高レベルの意思決定モデルを通じて操作とナビゲーションを調整する。このモデルはタスク理解、計画、進捗追跡、フィードバック駆動の回復を統合する。ツールインターフェースのレベルだけでなく、学習された意思決定モデル内部で統一が行われる点が特徴である。
訓練には漸進的フレームワークを採用し、具身事前学習、ドメイン特化エージェント蒸留、マルチティーチャー・オン・ポリシー蒸留（MOPD）を組み合わせる。強力な教師モデルのインタラクション経験を操作・ナビゲーションの専門家に蒸留し、その後MOPDを通じてその意思決定能力をOmniBrain-0に統合する。
さらに、Rubric-Guided Recursive Self-Improvement（RSI）と呼ばれるデータフライホイールを導入する。Meta-Agentが実行証拠を洗練されたルーブリック、ステップレベルのリマインダー、検証済み軌跡に変換し、ドメイン専門家の更新に用いた後、MOPDで再統合する。これによりモデルは自身の実行から継続的に改善できる。
評価はLIBERO-Pro、LIBERO-Plus、RoboCasa365、RoboTwin 2.0、R2R-CE Val-Unseen、および複数の実世界操作タスクで行われた。OmniBrain-0はクロスドメインのタスク性能が強く、推論と実行のオーバーヘッドは閉ソースの教師モデルより大幅に低い。これは具身能力をコンパクトな統合エージェントへ効率的に転移・統合できることを示す。
本技術報告は40ページ、27図、8表からなり、2026年10月26日に提出された。計算言語学（cs.CL）とコンピュータビジョン（cs.CV）に属し、プロジェクトページも公開されている。