π0.5

π0.5: a Vision-Language-Action Model with Open-World Generalization入门必知

PI 2025 年发布的 VLA，能在没见过的真实家庭里完成收拾厨房等长程任务。

π0.5 是 Physical Intelligence 于 2025 年 4 月 22 日发布的 π0 升级版，重点是开放世界泛化：让机器人进到训练时从没去过的家里干活。做法是把多种来源的数据混在一起协同训练：约 100 个家庭里采集的约 400 小时移动机械臂数据只占预训练样本的约 2.4%，其余来自其他机器人、实验室数据、网络图文问答和高层语义标注。推理时模型先用文字预测下一步子任务（如「捡起盘子」），再据此生成底层动作，类似思维链。训练上，预训练阶段把动作压成离散的 FAST token 以提高效率，后训练再接上流匹配动作专家输出连续动作。论文在 3 个训练中未见过的真实家庭里测试，它能完成收拾厨房、整理卧室这类多步骤任务。2025 年 9 月权重已在 openpi 中开源。