同一套视觉语言模型，能否在面对“抓取物体”与“驾驶车辆”这两类差异极大的任务时，仍保持一致的理解方式和决策逻辑。

这一问题长期困扰多场景智能体的研究，而 MiMo-Embodied 正是小米对这一方向给出的首次系统回应。
--
FROM 120.244.214.*