OpenPI

Physical Intelligence通用机器人控制VLA基础模型

许可证

Apache-2.0

概述

Physical Intelligence开源的视觉-语言-动作(VLA)基础模型，用于通用机器人控制。包含pi0、pi0-FAST和pi0.5模型，在10000多小时的机器人数据上预训练。首个通用机器人基础模型，能够控制多种机器人平台执行多种任务，包括折叠衣物、组装盒子、清理餐桌和制作咖啡。

OpenPI是Physical Intelligence的开源仓库，包含用于机器人的视觉-语言-动作(VLA)基础模型和训练基础设施。提供在10000多小时机器人数据上预训练的基础模型检查点，用于微调和推理。可用模型包括pi0（基于流的VLA）、pi0-FAST（带FAST动作分词器的自回归模型）和pi0.5（具有知识隔离的改进开放世界泛化）。该项目在LIBERO等基准测试中达到最先进的结果，支持跨多个机器人平台的多种任务，包括折叠衣物、组装盒子、清理餐桌和制作咖啡。

此仓库中最新的模型是 2025 年 9 月发布的 pi0.5。2026 年 10 月，Physical Intelligence 宣布了 Pi API beta，以另一种方式提供其最新模型：你上传数据，在它管理的算力上微调，再通过托管推理运行结果。加入 beta 需要申请。这篇文章没有说这些最新模型会在这里发布，因此你能在自己的硬件上运行的就是此仓库中的检查点。

为何重要

OpenPI 代表了 Physical Intelligence 发布的首个通用机器人基础模型。其 pi0 系列模型证明了单一 VLA 模型可以控制多种机器人完成众多任务，标志着机器人领域正在向基础模型方向转变，类似于 GPT 对语言领域的变革。

解决的问题

为每个任务从头构建机器人策略既昂贵又缓慢。OpenPI 提供了预训练的基础模型，只需少量数据即可微调适配新任务，大幅降低了部署高性能机器人行为的门槛。

要点

• 首个开源通用机器人基础模型（pi0、pi0-FAST、pi0.5）
• 在超过 10,000 小时的多机体多样化机器人数据上预训练
• 能够完成复杂的多步骤任务：折叠衣物、组装箱子、制作咖啡
• 视觉-语言-动作架构同时处理视觉输入和语言指令
• 开放模型权重和代码，支持社区在自定义机器人配置上进行微调

适用人群

• 探索基础模型的机器人研究人员
• 部署操控机器人的企业
• 微调机器人策略的机器学习工程师
• 机器人演示数据有限的研究实验室

局限

• 推理需要大量 GPU 资源（大型 VLA 模型）
• 微调仍需要一些任务特定的演示数据
• 性能取决于与预训练机器人机体的相似程度
• 真实世界部署需要严格的安全评估
• 最新模型不在此仓库提供：自 2026 年 10 月起，Physical Intelligence 的最新模型通过其托管的 Pi API beta 提供，需要申请。此处最新的模型是 pi0.5。