OpenPI

Physical Intelligence 推出、用於通用機器人控制的 VLA 基礎模型

授權條款

Apache-2.0

概述

Physical Intelligence 推出的開源視覺語言動作（VLA）基礎模型，用於通用機器人控制。包括以超過 10k 小時機器人資料預訓練的 pi0、pi0-FAST 與 pi0.5 模型。這是第一個通用機器人基礎模型，能控制多種機器人平台執行多項任務，包括摺衣服、組裝箱子、收拾餐桌與煮咖啡。

OpenPI 是 Physical Intelligence 推出的開源儲存庫，包含用於機器人的視覺語言動作（VLA）基礎模型與訓練基礎設施。它提供以超過 10,000 小時機器人資料預訓練的基礎模型檢查點，可用於微調與推論。可用的模型包括 pi0（以流為基礎的 VLA）、pi0-FAST（搭配 FAST 動作分詞器的自迴歸模型）與 pi0.5（透過知識隔離改善開放世界泛化）。此專案在 LIBERO 等基準測試上達到頂尖成果，並支援在多種機器人平台上執行摺衣服、組裝箱子、收拾餐桌與煮咖啡等多樣任務。

此儲存庫中最新的模型是 2025 年 9 月的 pi0.5。2026 年 10 月，Physical Intelligence 宣布推出 Pi API beta，以另一種方式提供其最新模型：你上傳資料，在其管理的運算資源上微調，再透過託管推論執行結果。參加 beta 需要提出申請。該貼文並未表示這些最新模型會在此發布，因此此儲存庫中的檢查點就是你能在自己硬體上執行的模型。

為何重要

OpenPI 代表 Physical Intelligence 推出的第一個通用機器人基礎模型。其 pi0 系列模型證明單一 VLA 模型就能控制多種機器人執行許多任務，預示機器人領域正轉向基礎模型，正如 GPT 對語言領域帶來的轉變。

解決的問題

為每項任務從零開始建立機器人策略既昂貴又緩慢。OpenPI 提供預訓練的基礎模型，只需極少量資料就能針對新任務微調，大幅降低部署具備能力之機器人行為的門檻。

重點

• 第一個開源的通用機器人基礎模型（pi0、pi0-FAST、pi0.5）
• 以涵蓋多種形態、超過 10,000 小時的多樣機器人資料預訓練
• 能執行複雜的多步驟任務：摺衣服、組裝箱子、煮咖啡
• 視覺語言動作（VLA）架構同時處理視覺輸入與語言指令
• 開放的權重與程式碼，讓社群能在客製機器人配置上微調

適用對象

• 探索基礎模型的機器人研究人員
• 部署操作機器人的公司
• 微調機器人策略的機器學習工程師
• 機器人示範資料有限的研究實驗室

限制

• 推論需要大量 GPU 資源（大型 VLA 模型）
• 微調仍需要一些特定任務的示範資料
• 效能取決於與預訓練所用機器人形態的相似程度
• 真實世界部署需要謹慎的安全評估
• Physical Intelligence 的最新模型並不在此儲存庫提供：自 2026 年 10 月起，這些模型需申請後透過其託管的 Pi API beta 取得。此處最新的模型是 pi0.5。