VLA ギャラリー / モデル一覧 / πシリーズ

학습시 RTC

学習時RTC (Training-time RTC, π0.6)

Physical Intelligence · 2025-12

기타πシリーズπ0.6ベースハイブリッド

推論遅延(実機0~10ステップの一様サンプル)を学習時に模倣してアクションprefix条件付けを学ぶため、推論時RTCの追加演算がない。

論文

Training-Time Action Conditioning for Efficient Real-Time ChunkingarXiv 2512.05964

概要

分類

πシリーズ

タイプ

기타

発表

2025-12

機関

Physical Intelligence

重み公開

なし

パラメータ

π0.6ベース(個別の数値なし)

構造

バックボーンLLM

Gemma 3 4B (π0.6)

ビジョンエンコーダ

SigLIP 400M (π0.6)

アクションヘッド

π0.6 flowエキスパート (遅延シミュレーション学習) (ハイブリッド)

チャンク

非公開

制御周期

非公開

構造の原文要約

π0.6そのまま(構造・ランタイム変更なし); 学習中に推論遅延をシミュレーションし、実行済みアクションprefixに条件付け

学習

事前学習アクセラレータ

該当なし(π0.6ベース)

事前学習期間

該当なし

事前学習ステップ・バッチ

該当なし

GPU・TPU時間

非公開

ファインチューニング

タスク別に8,000ステップ・バッチ512(ハードウェア・時間は非公開)

データ種類

実ロボットのテレオペレーション(タスク別ファインチューニングデータ)

データ規模

非公開

主要データセット

タスク別データ(非公開)

タスク・評価

箱の組み立て、エスプレッソ作り(π0.6); シミュレーション比較は学習計算量を揃えた条件

ロボット

π0.6実機プラットフォーム(50 Hzロボット)

推論

推論デバイス・速度

リモートH100、denoising 5ステップ: 学習時RTC 108 ms(d≈5) vs 推論時RTC 135 ms(d≈7)

推論メモリ

非公開

重み bf16(計算)

非公開

実行場所

リモートサーバー

強化学習・ベース

強化学習

不使用 · 推論遅延をシミュレートした教師ありファインチューニング

ベース制御

固定 · ベース制御の言及なし (箱組み立て・エスプレッソタスク)

備考

主な特徴

推論遅延(実機0~10ステップの一様サンプル)を学習時に模倣してアクションprefix条件付けを学ぶため、推論時RTCの追加演算がない。箱組立・エスプレッソで推論時RTCと同等の性能をより低い遅延で達成した。

備考

π0.6ベースのファインチューニング手法のため種別はその他。50 Hzロボットで最大200 msの遅延をサポート。シミュレーションは遅延{0..4}を指数減衰重みでサンプリング。

検証

確認