Pi0機器人模型整合到Hugging Face LeRobot

Hugging Face宣布，新創公司Physical Intelligence開發的π0（念作Pi-Zero）機器人模型已可整合到Hugging Face的開發套件LeRobot。

π0（以下將稱Pi0）與π0-FAST是LeRobot儲存庫的第一批機器人基礎模型，使Hugging Face生態系有了通用機器智慧（generalist robotic intelligence）模型。

人形機器人新創公司Physical Intelligence成員來自Google DeepMind、Tesla和X，公司宗旨是開發出能結合通用人工智慧（AGI）的機器人，讓用戶透過AI助理下指令代為執行任務。這家新創公司在最新募資中獲得4億美元投資，使公司市值來到了24億美元。最新一批金主包括了OpenAI和Jeff Bezos及數家投資銀行。

最新發表的Pi0是一種為通用型機器人控制而設定的視覺語言行為（Vision-Language Action，VLA）模型。VLM和VLA模型都是以transformer為基礎，最大差別在行為表現。VLM雖也可處理和生成多模態（圖片和文字）表現，但欠缺和真實世界的互動。VLA則是以機器人資料訓練的模型。該公司的通用型機器人模型進一步以不同種機器人資料訓練而成，可提升模型的適應性、效率和效能。

Physical Intelligence說明，Pi0在預訓練的VLM模型上使用新的流匹配（flow-matching）架構，以承襲Internet規模的語義知識來生成行為，使機器人可以不同形貌執行靈巧的操作任務。明確而言，Pi0以7種機器平臺和68種不同任務的資料訓練。而且在預訓練後具有強大的零樣本和微調效能，它能依據人類語言指令和高階VLM策略（policy），以及微調來學習新技能。以Pi0模型為基礎的機器人可執行複雜的真實世界任務，像是摺疊衣服、清理桌面、將商品裝袋、組合紙箱或收拾物體。

圖片來源／Physical Intelligence

Hugging Face執行長Clement Delangue指出，這是第一次機器人基礎模型透過開源平臺開放大眾使用。該公司希望藉此模型改變機器人學習和執行任務的作法。

π0與其自動迴歸版的π0-FAST（Frequency-space Action Sequence Tokenization）模型，都已可在Hugging Face LeRobot儲存庫存取。