pi0: A Vision-Language-Action Flow Model for General Robot Control

π0由Physical Intelligence于2024年提出，是一个基于流匹配（flow matching）的视觉-语言-动作模型，用于通用机器人控制。π0采用专家Transformer架构，将预训练VLM与动作专家解耦，通过流匹配生成连续动作轨迹。模型在数万小时机器人数据上训练，支持多任务、多本体的通用操作。π0在机械臂操作、移动操作和灵巧手任务上取得了当时SOTA性能，其开源版本π0.5进一步提升了长时序任务能力，是具身智能领域的标志性工作之一。