π0
피지컬 인텔리전스🇺🇸 미국π (pi) 계열
행동 생성 (VLA)발표일 2024.10가중치 공개 · Apache-2.0
PaliGemma 이해·계획 (VLM) 모델에 flow-matching action expert를 결합한 Physical Intelligence의 첫 범용 로봇 정책. 8종 로봇의 1만 시간 이상 데이터로 학습했고 2025년 2월 openpi로 가중치·코드 공개.
- 파라미터
- 3.3공식
- 제어 빈도
- 50공식
- 적용 로봇
- —
- 벤치마크 결과
- 11건
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 pi.website논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2024-10
- 가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음
- 수록된 벤치마크 결과 11건
- 연결된 학습용 데이터셋 2개
확인된 정보
- 사양 9개 항목 중 9개에 값이 있음
- 공식 공식 9개: 구조, 입력, 파라미터 (B), 제어 빈도 (Hz), 학습용 데이터셋, 학습용 데이터셋 규모(시간) 외 3개
- 벤치마크 결과 11건: 자체 발표 0건 · 자체 발표 외 평가 11건
- 값 확인일 2024-10 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
π0는 Physical Intelligence가 2024년 10월 공개한 첫 범용 로봇 정책으로, 언어 지시 하나로 여러 종류의 로봇을 조작하는 행동 생성 (VLA) 모델이다. Gemma 2B 기반 PaliGemma(30억 파라미터) 이해·계획 (VLM) 모델에 약 3억 파라미터 action expert를 붙여 총 약 33억 파라미터다. 카메라 이미지 2~3장과 언어, 관절 상태를 받아 flow matching으로 50스텝 연속 액션 청크를 생성하고, 최대 50Hz로 로봇을 제어한다.
학습은 먼저 7개 로봇 구성·68개 과제의 실제 시범 데이터 약 1만 시간에 Open X-Embodiment 등 공개 데이터와 인터넷 비전-언어 사전학습을 더해 사전학습하고, 이어서 과제별 고품질 데이터(약 5시간~100시간 이상)로 사후학습했다. 세탁물 개기·식탁 정리·상자 조립 등을 시연했고, 회사는 5개 평가 과제 모두에서 OpenVLA·Octo보다 높은 점수를 받았다고 발표했다. RTX 4090에서 추론에 약 73ms가 걸리며, 2025년 2월 openpi 저장소로 코드와 기본·파인튜닝 체크포인트가 Apache-2.0으로 공개됐다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | PaliGemma-3B 이해·계획 (VLM) + flow matching action expert(연속 액션 청크)공식 |
|---|---|
| 입력 | 최대 3개 카메라 이미지, 언어, 관절 상태공식 |
| 파라미터 (B) | 3.3공식 |
| 제어 빈도 (Hz) | 50공식 |
| 학습용 데이터셋 | 자체 수집 7개 로봇 구성 68개 과제 + OXE 혼합공식 |
| 학습용 데이터셋 규모(시간) | 10,000공식 |
| 적용 로봇 형태 | 7개 로봇 구성: UR5e, 양팔 UR5e, Franka, 양팔 Trossen, 양팔 ARX·AgileX, 모바일 Trossen·ARX, 모바일 Fibocom공식 |
| 추론 하드웨어 | RTX 4090에서 추론 약 73ms공식 |
| 발표 벤치마크 | 세탁물 개기·식탁 정리·박스 조립 등에서 OpenVLA·Octo 대비 큰 폭 우위공식 |
벤치마크 결과
결과 날짜 최신순 · 같은 벤치마크라도 세부 조건이 다르면 직접 비교할 수 없어요| 벤치마크 | 세부 조건 | 점수 | 평가 구분 | 결과 날짜 |
|---|---|---|---|---|
| RoboArena | DROID A/B 평가 BT 레이팅 | 1461 | 운영팀 평가 | 2026-10 |
| RoboChallenge Table30 | Table30 v1 (30개 과제) 성공률 | 28.33% | 운영팀 평가 | 2026-10 |
| RoboTwin 2.0 | Clean·Randomized 평균 | 62.2% | 다른 팀 논문 표 | 2026-08 |
| RoboCasa / RoboCasa365 | GR-1 Tabletop 평균 | 13.6% | 다른 팀 논문 표 | 2026-05 |
| RoboCasa / RoboCasa365 | RoboCasa Kitchen (24개 과제) 평균 | 62.5% | 다른 팀 논문 표 | 2026-05 |
| RoboCasa / RoboCasa365 | RoboCasa365 평균 (Atomic-Seen/Composite-Seen/Composite-Unseen) | 14.8% | 다른 팀 논문 표 | 2026-05 |
| SimplerEnv (SIMPLER) | Google Robot – Variant Aggregation 평균 | 54.7% | 다른 팀 논문 표 | 2026-02 |
| SimplerEnv (SIMPLER) | Google Robot – Visual Matching 평균 | 71.4% | 다른 팀 논문 표 | 2026-02 |
| SimplerEnv (SIMPLER) | WidowX (Bridge) 4개 과제 평균 | 69.2% | 다른 팀 논문 표 | 2026-02 |
| LIBERO-Plus | Total (7개 교란 차원 종합) | 53.6% | 운영팀 평가 | 2025-10 |
| LIBERO | 평균 (Spatial/Object/Goal/Long) | 94.2% | 다른 팀 논문 표 | 2025-02 |
학습용 데이터셋
- Open X-Embodiment 구글 딥마인드
- DROID Stanford / UC Berkeley / TRI 외 13개 기관