π*0.6

是什么

π*0.6 是 Physical Intelligence 在 2025 年 11 月 17 日发布的机器人模型^[1]。它属于视觉-语言-动作模型（vision-language-action model，VLA）：接收摄像头画面和一句自然语言指令，输出驱动机械臂与夹爪的动作。让它区别于一般模仿学习模型的，是训练数据的来源——不只是人类的演示，还有人类的纠正，以及机器人在真实环境里自己跑出来的经验^[1]。公开的这个版本，是公司已有的 π0.6 用一套名为 Recap 的方法训练之后得到的结果^[1]。

它要解决的问题

模仿学习能教会机器人动作，却教不会它「每次都对」。公司说，只靠模仿，让机器人有一半的概率成功并不难，难的是每次都成功^[1]。差距来自错误的累积（compounding error）：机器人犯下一个小错，就会被带进训练数据里没有出现过的状态，在那里它没有可模仿的答案，于是下一个错误比第一个更大^[1]。演示数据覆盖的是人示范过的那条路径，机器人一旦偏出去，就没有人告诉它该怎么回来。对需要连续工作几个小时的任务来说，这一点代价很大，因为每多一分钟，就多一次偏离的机会。

Recap 怎么做

Recap 的全称是 RL with Experience & Corrections via Advantage-conditioned Policies，大意是「借助优势条件化的策略，把经验与纠正用于强化学习」^[1]。它把三类数据放在一起用：演示告诉模型任务大致是什么样子；纠正来自人在机器人做错时的介入；自主经验则是机器人在真实环境里自己尝试的结果^[1]。也就是说，模型不只要被「示范」，还会被「纠正」，并且从自己的成败里继续学。

「优势条件化」说的是这些数据如何变成训练信号。在强化学习里，一个动作的优势（advantage）衡量它比策略的平均表现好多少。把这个数值作为条件输入交给策略，就相当于可以要求模型给出达到某个水平的动作，而不是只给平均水平，模型因此学会分辨哪些动作值得保留、哪些应当放弃。这样做的实际结果是，演示、纠正和机器人自己攒下的经验可以放进同一个模型里一起用。

结果

公司给出了三个耗时很长的实测^[1]。一是制作意式咖啡，从早上 5:30 一直做到晚上 11:30 没有中断^[1]。二是在一个新家里折叠 50 件不同款式、此前没见过的衣物^[1]。三是装配并贴标 59 个用于包装巧克力的纸箱，地点是一家真实的工厂^[1]。公司称这三类任务的成功率都在 90% 以上^[1]。用 Recap 训练之后，在一些最难的任务上吞吐量提高了一倍以上，失败率可降低 2 倍甚至更多^[1]。

在发展中的位置

这次发布更像是一个关于数据的论证，而不是关于硬件的论证。只会模仿的机器人被限制在别人示范过的情境里；加上纠正和自己的经验之后，它见过的范围就扩展到了它实际会走进去的那些状态。三个场景——咖啡台、家里的衣物堆、工厂的包装线——选来是为了说明同一套方法能用在差别很大的物体和环境上，并且能在连续几小时里保持住，而不只是成功一次^[1]。π*0.6 主张的不是机器人能把这些活干上一次，而是在那些原本会越滚越大的错误被压住的前提下，同一个策略可以一直干下去^[1]。