VLA 图库 / 模型列表 / π系列

π0.6

Physical Intelligence · 2025-11

VLAπ系列总计未公开；Gemma 3 4B主干 + 动作专家约860M混合

将主干换为Gemma 3 4B，动作专家扩大到约 860M，并加入丰富的元数据条件。

论文

无论文 · 相关 π*0.6: a VLA That Learns From Experience

概述

分类

π系列

类型

VLA

发布

2025-11

机构

Physical Intelligence

权重公开

否

参数

总计未公开；Gemma 3 4B主干 + 动作专家约860M

架构

主干LLM

Gemma 3 4B

视觉编码器

SigLIP 400M

动作头

flow专家约860M + FAST token (KI) (混合)

动作块

未公开

控制频率

50 Hz

架构原文摘要

Gemma 3 4B VLM(图示：SigLIP 400M + Gemma 4B) + 约860M动作专家(层数与主干相同)；以KI同时学习flow matching连续动作块和FAST离散token；最多4张448×448图像

训练

预训练加速器

未公开

预训练时长

未公开

预训练步数·批量

未公开

GPU·TPU-小时

未公开

微调

不适用(无按任务微调即评估)

数据类型

真实机器人遥操作 + 网络视觉-语言 + 子任务预测数据

数据规模

卡片中未注明时间；π*0.6论文将预训练数据描述为'数万小时演示'

主要数据集

继承π0.5构成(自有·外部跨具身形态，家庭移动·非移动，网络多模态)

任务·评估

静态：叠衬衫，叠衣物，组装纸箱，Table bussing；移动：捡衣物，整理床铺，洗碗，放入抽屉；语言跟随·新技能泛化；纸箱完整组装20%；指标为成功率·进度·每小时成功次数

机器人

静态双臂 + 移动操作臂(底盘相机，腕部相机最多2台，移动用后置相机)

推理

推理设备·速度

单张H100,去噪5步·3台相机下每个动作块63 ms

推理显存

未公开

权重 bf16（计算）

未公开

运行位置

未公开

强化学习与底盘

强化学习

未使用 · 监督学习(KI)。应用RL的版本是π*0.6

底盘控制

轮式 (未说明格式) · 包含移动双臂任务（洗衣篮·整理床铺·餐具水槽等）；底盘动作格式模型卡未注明

备注

核心特点

将主干换为Gemma 3 4B，动作专家扩大到约 860M，并加入丰富的元数据条件。无需按任务微调即可稳定叠衣服，并以20%的概率完整组装纸箱。

备注

模型卡（2025-11-17）原文为'fold laundry reliably'。截至2026-08 HEAD，openpi中没有π0.6检查点。来源中没有各组件相加的总数，因此不填写。

核验

已确认