π0.6

Physical Intelligence · 2025-11

VLAπ 계열총계 미공개하이브리드

백본을 Gemma 3 4B로, 액션 전문가를 약 860M로 키우고 풍부한 메타데이터 조건화를 더했다.

논문

백본 LLM: Gemma 3 4B
비전 인코더: SigLIP 400M
액션 헤드: flow 전문가 약 860M + FAST 토큰 (KI) (하이브리드)
청크: 미공개
제어 주기: 50 Hz
구조 원문 요약: Gemma 3 4B VLM(그림: SigLIP 400M + Gemma 4B) + 약 860M 액션 전문가(백본과 같은 층 수); KI로 flow matching 연속 청크와 FAST 이산 토큰 동시 학습; 448×448 이미지 최대 4장

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 미공개
파인튜닝: 해당 없음(과제별 파인튜닝 없이 평가)
데이터 종류: 실로봇 텔레옵 + 웹 비전-언어 + 서브태스크 예측 데이터
데이터 규모: 카드에 시간 미기재; π*0.6 논문은 사전학습 데이터를 '시연 수만 시간'으로 기술
주요 데이터셋: π0.5 구성 계승(자체·외부 교차 엠바디먼트, 가정 모바일·비모바일, 웹 멀티모달)
태스크·평가: 정적: 셔츠 접기, 빨래 접기, 박스 조립, Table bussing; 모바일: 빨래 줍기, 침대 정리, 설거지, 서랍 넣기; 언어 따르기·새 기술 일반화; 박스 완전 조립 20%; 지표는 성공률·진척도·시간당 성공 수
로봇: 정적 양팔 + 모바일 매니퓰레이터(베이스 카메라, 손목 카메라 최대 2대, 모바일용 후방 카메라)

강화학습: 미사용 · 지도학습(KI). RL을 적용한 판은 π*0.6
베이스 제어: 바퀴형 (형식 미기재) · 모바일 양팔 과제(세탁물 바구니·침대 정리·식기 싱크대 등) 포함; 베이스 행동 형식은 모델카드 미기재

핵심 특징: 백본을 Gemma 3 4B로, 액션 전문가를 약 860M로 키우고 풍부한 메타데이터 조건화를 더했다. 과제별 파인튜닝 없이 빨래를 안정적으로 접고 박스를 20% 확률로 완전 조립한다.
비고: 모델 카드(2025-11-17) 원문은 'fold laundry reliably'. openpi에는 2026-08 HEAD까지 π0.6 체크포인트 없음. 구성요소를 더한 총계는 출처에 없어 쓰지 않음.
검증: 확인