π*0.6 (π0.6 + Recap)

행동 생성 (VLA)발표일 2025.11가중치 비공개

π0.6 기반 행동 생성 (VLA) 모델에 Recap(시연+전문가 교정+자율 경험 강화학습(RL), advantage 조건화)을 적용해 실제 작업 처리량과 성공률을 끌어올린 모델. 에스프레소 제조·세탁물 개기·박스 조립을 장시간 연속 수행.

파라미터: 5공식
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: —
벤치마크 결과: —

공식 자료프로젝트 페이지 pi.website

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2025-11
가중치 비공개 — 설명·결과만 공개됨

확인된 정보

사양 9개 항목 중 4개에 값이 있음
공식 공식 4개: 구조, 파라미터 (B), 학습용 데이터셋, 발표 벤치마크
값 확인일 2025-11 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

값 없는 기본 사양 (공개 자료에서 찾지 못함): 입력, 제어 빈도 (Hz)
수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

π*0.6은 Physical Intelligence가 2025년 11월 공개한 행동 생성 (VLA) 모델이다. 약 5B 파라미터 규모의 이해·계획 (VLM) 모델에 action expert를 붙인 π0.6에, 로봇이 쌓은 경험으로 배우는 학습법 Recap을 적용했다. Recap은 상황이 얼마나 좋은지 예측하는 가치 함수로 각 행동의 기여도(advantage)를 계산해 정책의 입력 조건으로 넣는다.

그래서 성공·실패 데이터를 모두 학습하면서도 실행할 때는 advantage가 높은 행동을 고르게 할 수 있다. 학습은 오프라인 강화학습 사전학습, 작업별 실제 시범(원격조작·사람 시연 데이터) 미세조정, 전문가의 원격조작 교정과 자율 실행 경험의 보상을 합친 강화학습 순서로 진행된다. 회사는 이 모델이 오전 5시 30분부터 밤 11시 30분까지 에스프레소 음료를 만들고, 처음 가 본 가정에서 처음 보는 세탁물 50벌을 개고, 실제 공장에서 초콜릿 포장 박스 59개를 조립하고 라벨을 붙였다고 발표했다.

또 가장 어려운 일부 과제에서 처리량을 두 배 이상 높이고 실패율을 절반 이하로 줄였다고 주장한다. 논문과 모델 카드는 공개됐지만 가중치 공개 여부는 밝히지 않았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	이해·계획 (VLM) 백본 + flow-matching action expert, 가치함수 학습 후 advantage 조건화(Recap: RL with Experience & Corrections via Advantage-conditioned Policies)공식
파라미터 (B)	5공식
학습용 데이터셋	시연 데이터 + 전문가 교정(코칭) + 자율 실행 경험(강화학습(RL))공식
발표 벤치마크	가장 어려운 과제에서 처리량 2배 이상, 실패율 2배 이상 감소. 에스프레소 05:30~23:30 연속 제조, 신규 가정에서 50벌 세탁, 공장에서 박스 59개 조립공식

출처 1건

pi.website [1]

한눈에 읽기