OpenPI

Physical Intelligence汎用ロボット制御用VLA基盤モデル

ライセンス

Apache-2.0

概要

Physical Intelligenceによる汎用ロボット制御のためのオープンソース視覚-言語-動作(VLA)基盤モデル。pi0、pi0-FAST、pi0.5モデルを含み、10,000時間以上のロボットデータで事前学習済み。初の汎用ロボット基盤モデルとして、洗濯物を畳む、箱を組み立てる、テーブルを片付ける、コーヒーを淹れるなど複数のタスクで多様なロボットプラットフォームを制御可能。

OpenPIはPhysical Intelligenceのオープンソースリポジトリで、ロボティクス向けの視覚-言語-動作(VLA)基盤モデルと学習インフラストラクチャを含みます。10,000時間以上のロボットデータで事前学習されたベースモデルチェックポイントをファインチューニングと推論用に提供。利用可能なモデルにはpi0（フローベースのVLA）、pi0-FAST（FASTアクショントークナイザーを使用した自己回帰モデル）、pi0.5（知識分離による改善されたオープンワールド汎化）があります。プロジェクトはLIBEROなどのベンチマークで最先端の結果を達成し、複数のロボットプラットフォームで洗濯物を畳む、箱を組み立てる、テーブルを片付ける、コーヒーを淹れるなど多様なタスクをサポートします。

このリポジトリで最新のモデルは、2025 年 9 月の pi0.5 です。2026 年 10 月、Physical Intelligence は最新モデルを別の形で提供する Pi API beta を発表しました。データをアップロードし、同社が管理する計算資源でファインチューニングを行い、結果をホスト型推論で実行します。ベータへの参加は申請制です。この投稿には、それらの最新モデルがここで公開されるとは書かれていません。そのため、自分のハードウェアで実行できるのはこのリポジトリのチェックポイントです。

重要な理由

OpenPIは、Physical Intelligence初の汎用ロボット基盤モデルです。pi0ファミリーのモデルは、単一のVLAモデルが多様なロボットを多くのタスクにわたって制御できることを実証し、GPTが言語分野で成し遂げたのと同様の、ロボティクスにおける基盤モデルへの移行を示唆しています。

解決する課題

各タスクに対してゼロからロボットポリシーを構築するのは高コストで時間がかかります。OpenPIは、最小限のデータで新しいタスクにファインチューニングできる事前訓練済み基盤モデルを提供し、高性能なロボット行動のデプロイメントへの障壁を劇的に低減します。

主なポイント

初のオープンソース汎用ロボット基盤モデル（pi0、pi0-FAST、pi0.5）
複数のエンボディメントにわたる10,000時間以上の多様なロボットデータで事前訓練
洗濯物たたみ、箱の組み立て、コーヒーの淹れ方など複雑な多段階タスクが可能
ビジョン・言語・行動アーキテクチャが視覚入力と言語指示の両方を処理
オープンな重みとコードによりカスタムロボットセットアップでのコミュニティによるファインチューニングが可能

対象

基盤モデルを探求するロボティクス研究者
マニピュレーションロボットを展開する企業
ロボットポリシーをファインチューニングするMLエンジニア
ロボットデモンストレーションデータが限られた研究機関

制限事項

推論に大量のGPUリソースが必要（大規模VLAモデル）
ファインチューニングには依然としてタスク固有のデモンストレーションデータが必要
性能は事前訓練時のロボットエンボディメントとの類似性に依存
実世界へのデプロイメントには慎重な安全性評価が必要
Physical Intelligence の最新モデルはこのリポジトリでは提供されていません。2026 年 10 月以降、最新モデルはホスト型の Pi API beta を通じて申請制で提供されます。ここで最新のモデルは pi0.5 です。