Physical Intelligence 以破紀錄速度橫掃人形機器人奧運
- 來源: Physical Intelligence
- 作者: Open Source Robotics
- 發布日期: 2026-01-22
- 類別: research
Physical Intelligence(PI)以其 pi-0.6 基礎模型,僅用 3.5 個月就完成了原本預期需要 9-12 個月的操作任務,在 Robot Olympics 的 5 個類別中拿下 3 面金牌。
更正:2026 年 10 月 29 日。 本文先前版本列出了每項任務比人慢了多少倍,以及訓練範例的數量。Physical Intelligence 的文章與 Benjie Holson 的文章內文都未提及這些數字,因此已將其刪除。
---
Physical Intelligence 稱霸機器人奧運
Physical Intelligence(PI)橫掃了「Humanoid Olympic Games」挑戰,這是由機器人專家 Benjie Holson(曾任職於 Google X / Everyday Robots,現為 Robust AI 機器人總監)設計的一系列操作任務。
挑戰內容
Holson 建立了一套結構化框架,將日常的實體挑戰分為銅牌、銀牌與金牌三個等級,專門用來挑戰力回饋、精度與多階段操作的極限。
結果
PI 以每項任務不到 9 小時的特定任務資料微調其 pi-0.6 基礎模型,達成:
- 5 個類別中拿下 3 面金牌 - 平均成功率 52%(未經機器人預訓練的基準視覺語言模型(VLM)為 9%) - 任務皆成功完成,但速度比人慢
展示的任務
- 走進一扇會自動關閉的門 - 把襪子翻面 - 摺疊一件翻面的 T 恤 - 在沒有力感測的情況下使用鑰匙 - 製作花生醬三明治(被形容為「最令人印象深刻」) - 用噴霧瓶清潔窗戶 - 使用狗便袋 - 剝柳橙 - 清洗油膩的平底鍋
關鍵技術洞見
PI 只靠視覺與鉗式夾爪就達成這些結果,儘管這些任務原本的設計需要力感測器與靈巧的多指機器手。這顯示機器人操作正從「發明問題」轉變為「資料蒐集問題」。
限制
- 任務在相同環境中以相同物件執行 - 未展示對新環境的泛化能力 - 無法完成金牌等級的洗衣任務(夾爪太寬,無法伸入襯衫袖子) - 剝柳橙需要借助工具,而非徒手完成
Benjie Holson 本人寫道:「我原本以為其中許多項目大概還要 9-12 個月。在題目公布僅三個半月後就拿下這麼多項,實在太瘋狂了。」
為何重要
證明了只靠視覺、搭配簡單鉗式夾爪的方法,就能解決過去被認為需要力感測器與靈巧多指機器手的操作任務。這從根本上降低了操作研究的硬體門檻,顯示瓶頸正從昂貴的專用硬體轉向資料蒐集,讓設備有限的研究人員與開發者也更有機會挑戰進階操作。
重點
- 以每項任務不到 9 小時的資料微調基礎模型,達到 52% 的成功率
- 預期需要 9-12 個月的任務,在 3.5 個月內完成
- 只靠視覺的方法,在沒有力感測器或靈巧機器手的情況下成功
- 對新環境的泛化能力仍未經證實:所有任務都在同一地點以相同物件完成
- 典範轉移:操作正從發明問題轉向資料蒐集問題
開源觀點
挑戰了「必須有昂貴硬體才能做出實用操作」的假設。使用基本夾爪與攝影機的社群開發者,可能比過去想像的更接近實用的操作能力。每項任務不到 9 小時的訓練資料需求顯示,隨著基礎模型越來越容易取得,配備攝影機的開源機器手臂有機會複製類似的方法。
相關技術
- pi-0.6 foundation model
- Vision-Language Models (VLM)
- Pincer grippers
- Fine-tuning
- Imitation learning
連結
- 來源: https://www.pi.website/blog/olympics