Physical Intelligence

Hugging Face宣布，新创公司Physical Intelligence开发的π0（念作Pi-Zero）机器人模型已可整合到Hugging Face的开发套件LeRobot。

π0（以下将称Pi0）与π0-FAST是LeRobot储存库的第一批机器人基础模型，使Hugging Face生态系有了通用机器智慧（generalist robotic intelligence）模型。

人形机器人新创公司Physical Intelligence成员来自Google DeepMind、Tesla和X，公司宗旨是开发出能结合通用人工智慧（AGI）的机器人，让用户透过AI助理下指令代为执行任务。这家新创公司在最新募资中获得4亿美元投资，使公司市值来到了24亿美元。最新一批金主包括了OpenAI和Jeff Bezos及数家投资银行。

最新发表的Pi0是一种为通用型机器人控制而设定的视觉语言行为（Vision-Language Action，VLA）模型。VLM和VLA模型都是以transformer为基础，最大差别在行为表现。VLM虽也可处理和生成多模态（图片和文字）表现，但欠缺和真实世界的互动。VLA则是以机器人资料训练的模型。该公司的通用型机器人模型进一步以不同种机器人资料训练而成，可提升模型的适应性、效率和效能。

Physical Intelligence说明，Pi0在预训练的VLM模型上使用新的流匹配（flow-matching）架构，以承袭Internet规模的语义知识来生成行为，使机器人可以不同形貌执行灵巧的操作任务。明确而言，Pi0以7种机器平台和68种不同任务的资料训练。而且在预训练后具有强大的零样本和微调效能，它能依据人类语言指令和高阶VLM策略（policy），以及微调来学习新技能。以Pi0模型为基础的机器人可执行複杂的真实世界任务，像是摺叠衣服、清理桌面、将商品装袋、组合纸箱或收拾物体。

图片来源／Physical Intelligence

Hugging Face执行长Clement Delangue指出，这是第一次机器人基础模型透过开源平台开放大众使用。该公司希望藉此模型改变机器人学习和执行任务的作法。

π0与其自动迴归版的π0-FAST（Frequency-space Action Sequence Tokenization）模型，都已可在Hugging Face LeRobot储存库存取。