π 0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities
本条目由 AI 按收录标准筛选与撰写，经独立的 AI 核查在原文中逐条找到依据，未经人工审核；数字与结论以原文为准。
相关报告
收录理由
该报告为 arXiv 上的机器人基础模型论文，说明多样上下文条件训练与 VLA 架构，含演示、自主 rollout 与人类视频等数据来源，并在多机器人平台与多任务场景下进行实验与消融评测。
关键要点
- π 0.7 为约 5B 参数的 VLA，含 4B 参数 VLM 骨干与 860M 参数 flow matching action expert。
- 训练提示含子任务语言、episode 元数据（含 1 至 5 分的整体质量）及子目标图像等多模态上下文，并对各组件做随机 dropout。
- 每批训练中约 25% 样本加入视觉子目标图像；含子目标时还对子任务指令做 30% dropout。
- 在 4 个未见厨房与 2 个未见卧室中评估指令跟随，每场景为 3 至 6 步开放式指令序列。
- UR5e 上零样本叠衣：π 0.7 任务进度 85.6%、成功率 80%，与首次在该 UR5e 上尝试叠衣的资深遥操作员表现相当。
- UR5e 控制频率为 20 Hz，其余实验机器人多为 50 Hz；推理时 action chunk 固定 50 步，并模拟 0 至 12 步延迟。