π0: A Vision-Language-Action Flow Model for General Robot Control

Physical Intelligence公司发表的论文，提出π0，一个基于流匹配的视觉-语言-动作（VLA）模型。该方法通过流匹配模型生成机器人动作序列，能够执行多种机器人操作任务，包括抓取、放置、打开抽屉等，在多个机器人操作基准测试中展现了强大的性能，是具身智能和VLA模型领域的重要进展。arXiv:2410.24168。