π*0.6

π*0.6: a VLA That Learns From Experience (π0.6 trained with RECAP)常用

π0.6 经 RECAP 强化学习训练后的版本，能从示教、纠正和自身经验中变强。

π*0.6 是 Physical Intelligence 2025 年 11 月发布的视觉-语言-动作模型。底座 π0.6 在 π0.5 基础上换用 Gemma 3 4B 视觉语言骨干，动作专家增至 8.6 亿参数；星号表示又用 RECAP 方法做了强化学习。只模仿人类示教的模型犯一个小错就会越偏越远（复合误差），很难稳定成功。RECAP 同时用三类数据：人类示教、专家遥控接管时的纠正、机器人自己跑出的成功和失败。它先训练一个价值函数，估计「离完成还差多少步」，据此判断每段动作让局面变好还是变坏（优势），再把「Advantage: positive / negative」作为文字条件和数据一起训练模型，部署时只让它做「好」的动作。最难的任务上吞吐量提升一倍以上，失败率约减半。