π0（pi-zero）

π0 是什么

π0（读作 pi-zero）是 Physical Intelligence 于 2024 年 10 月 31 日发布的通用机器人策略（generalist robot policy），公司称它是自家的第一个通用机器人策略^[1]。所谓策略，指的是机器人系统里负责把感知到的画面和收到的指令转成动作的那一部分。与它一同公开的论文题为 π0: A Vision-Language-Action Flow Model for General Robot Control，编号为 arXiv:2410.24164^[2]。

怎么工作

π0 的起点是一个 30 亿参数的视觉语言模型（vision-language model），公司把它改造用于实时的灵巧机器人控制^[1]。视觉语言模型在大规模图文数据上做过预训练，因此本身已经具备相当的语言理解和场景识别能力；π0 要做的是把这种能力接到动作输出上。

具体做法上，公司表示 π0 通过流匹配（flow matching）为预训练的视觉语言模型加上连续动作输出，流匹配是扩散模型（diffusion model）的一类变体^[1]。扩散类方法先生成噪声，再一步步去噪得到结果；用在控制上，就是由模型逐步还原出一段连续的动作，而不是从预先枚举好的动作里挑一个。速度在这里很关键：公司说灵巧操作要求 π0 以每秒最多 50 次的频率输出电机指令^[1]，也就是大约每 20 毫秒给出一次控制量，手指、手腕这类需要不断微调的部位，输出频率不够高就跟不上物体的变化。

论文还说明，π0 可以用语言指令提示，可以跟随一个高层的视觉语言模型策略，也可以通过微调（fine-tuning）获得新技能^[2]。这三点合起来就是它常见的用法：上层模型负责判断下一步该做什么，π0 负责把判断落成具体动作。

训练数据与机器人

据公司介绍，π0 的完整训练混合数据把开源数据与自采的灵巧任务数据集组合在一起，后者采集自 8 种不同的机器人^[1]。博客列出的机型包括 UR5e、双臂 UR5e、Franka、双臂 Trossen、双臂 ARX、移动式 Trossen 和移动式 Fibocom^[1]。论文则说明，训练数据来自单臂机器人、双臂机器人和移动操作平台^[2]。

训练任务包括收餐盘、把物品装进信封、叠衣服、整理线缆、组装纸箱、插电源插头和把食物装进外带餐盒^[1]。这些都是日常家务与门店里的活计，物体形状各异、动作要求细致，覆盖面比单一任务的演示数据宽得多。

评测结果

公司把 π0 与 OpenVLA（7B）和 Octo（93M）做了对比，报告 π0 在全部 5 项评测任务上表现最好^[1]。另一组对照是 π0-small：一个 4.7 亿参数、没有做视觉语言预训练的版本，得分不到完整模型的一半，公司据此说明视觉语言预训练的价值^[1]。

在发展中的位置

机器人学习里常见的做法是为一个任务训练一个策略，用这个任务的演示数据来教。通用策略想做的相反：用同一套权重覆盖多种任务、多种机器人，π0 正是这样呈现的——一个模型在单臂、双臂和移动平台上训练，再用语言指令来指挥^[1][2]。它的配方也很清楚：视觉语言模型打底，上面接高频连续动作输出，需要新技能时靠微调补上；论文标题把这类模型称作视觉-语言-动作模型^[2]。