一、π₀ 模型核心定位与本质
π₀ 是 Physical Intelligence 团队推出的首个通用机器人基础模型,核心定位是打通 “视觉感知 - 语言理解 - 动作执行” 的端到端闭环,属于 VLA(Vision-Language-Action)统一建模范式。它并非传统大语言模型(LLM)或视觉语言模型(VLM),而是专为机器人设计的 “感知 - 决策 - 执行” 一体化模型 ——然语言指 无需手动编写代码、配置运动学参数,仅通过自令 + 实时图像输入,就能直接输出机器人连续动作信号(如机械臂关节角度、抓取力度)。
其核心价值在于:让机器人具备 “物理直觉” 和 “世界知识”,能够像人一样理解模糊指令、适应未训练过的场景,而非局限于预设脚本或固定任务。
二、核心技术架构与训练范式
1. 双阶段训练:知识迁移 + 实操落地
π₀ 的训练分为两个关键阶段,确保 “理论认知” 与 “实操能力” 结合:
- 第一阶段:VLM 预训练(世界知识积累):基于互联网规模的图文数据学习语义关联与物理常识,比如 “叉子是银色带锯齿的餐具”“拿起意味着从静止状态移动到手持位置”,避免仅依赖机器人操作数据导致的 “认知局限”。
- 第二阶段:多机器人实操训练:叠加 8 种不同构型机器人(含 UR5e、Franka、双臂 Trossen 等主流平台)的上万小时真实操作数据,学习不同场景下的动作执行逻辑,形成可迁移的 “操作经验”。<
订阅专栏 解锁全文
367



被折叠的 条评论
为什么被折叠?



