MiMo-Embodied：具身智能与自动驾驶评测套件

MiMo-Embodied 是 MiMo-Embodied 跨领域视觉语言模型的官方评测套件，基于 lmms-eval 框架扩展，加入 MiMo 模型集成、基准支持与评测流程；仓库仅用于评测，不包含训练代码。评测覆盖具身 AI（可供性预测、任务规划、空间理解）与自动驾驶（环境感知、状态预测、驾驶规划、驾驶知识问答）两类任务，具身侧列出 17 个基准、驾驶侧 12 个基准，另提及 8 个通用视觉理解基准。模型接入通过定制的 mivllm 包装类实现，相比默认 VLLM 实现改进了数据加载效率、图像与视频预处理控制，并支持 max_model_len、gpu_memory_utilization、max_num_seqs 等推理参数。支持单卡、多卡、多节点分布式与批量评测，部分基准需在任务 YAML 中手动填写本地 img_root 路径；部分任务按 no-think 模式评测。README 建议的推荐硬件为单张 A100（80GB）或 H20。