π*0.6 (RECAP)

Physical Intelligence · 2025-11

VLAπ 계열총계 미공개하이브리드

시연·자율 rollout·전문가 교정을 어드밴티지 조건부 오프라인 RL(RECAP)로 반복 학습한다.

논문

백본 LLM: Gemma 3 4B
비전 인코더: SigLIP 400M
액션 헤드: π0.6 액션 전문가 + 가치함수 (670M 백본) (하이브리드)
청크: 미공개
제어 주기: 50 Hz
구조 원문 요약: π0.6 정책(Gemma 3 4B + 860M flow 액션 전문가, 관절·그리퍼 50 Hz) + Gemma 3 초기화 670M 백본 분포형 가치함수(201 bins); 'Advantage: positive/negative' 텍스트 조건

사전학습 가속기: 미공개
사전학습 기간: 미공개
사전학습 스텝·배치: 미공개
GPU·TPU-시간: 미공개
파인튜닝: 미공개(가치함수 학습·RECAP 반복 연산 모두)
데이터 종류: 실로봇 텔레옵 시연 + 자율 rollout + 텔레옵 교정
데이터 규모: 사전학습 시연 수만 시간; 반복당 예: 빨래 300 궤적(로봇 4대), 다양한 빨래 평가 450·교정 287, 실패 제거 자율 약 1000·교정 280+378(로봇 3대), 박스 시연 600·교정 360, 에스프레소 교정 429·자율 414
주요 데이터셋: PI 사전학습 혼합(π0.5 레시피) + 과제별 RECAP 수집 데이터
태스크·평가: 빨래(T셔츠·반바지, 200 s), 다양한 빨래 11종(500 s), 실패 제거(주황 T셔츠, 200 s), 에스프레소(200 s), 박스 조립(600 s); 다양한 빨래 외 성공률 90%+; 에스프레소 13시간 연속, 새 가정 빨래 2시간 이상 무중단
로봇: 정적 양팔(6-DoF 팔 2개, 평행 그리퍼, 카메라 3대, 50 Hz 관절 제어)

강화학습: 사용 (VLA RL 사후학습) · RECAP: 오프라인 RL로 사전학습한 뒤 시연·자율 rollout·사람 교정 데이터로 가치함수(670M)를 학습하고, 어드밴티지 조건으로 정책을 반복 개선
강화학습 근거: https://arxiv.org/html/2511.14759v1
베이스 제어: 고정 · 베이스 제어 없음 (정적 양팔, 관절 위치 50 Hz)

핵심 특징: 시연·자율 rollout·전문가 교정을 어드밴티지 조건부 오프라인 RL(RECAP)로 반복 학습한다. 어려운 과제의 시간당 성공 횟수를 2배 넘게 늘리고 실패율을 약 절반으로 줄였다.
비고: 모든 단계 연산 미공개. 처리량 2배 이상은 다양한 빨래·에스프레소 기준. 박스는 실제 공장 포장용으로 조립.
검증: 확인