PI正式发布π∗₀.₆模型！机器人冲煮咖啡、叠衣服、折箱子技能都进化成这样了？！

阅读时间大约7分钟（2444字）

2025-11-19 PI正式发布π∗₀.₆模型！机器人冲煮咖啡、叠衣服、折箱子技能都进化成这样了？！

来源：具身智能大讲堂

让机器人“边做边学”。

作者：李鑫出品：具身智能大讲堂

当机器人已经学会折叠不同材质的衣物、组装简易纸箱，并且还能熟练操作专业咖啡机制作浓缩咖啡，甚至连续工作13小时无故障，你是否也会惊讶现在的机器人进化速度如此之快。

近日，Physical Intelligence团队提出的RECAP训练方法，让VLA模型通过“实战经验+人类纠错”实现自我提升,并且同步推出π∗₀.₆模型。

1►RECAP方法——让机器人“边做边学”

谷歌PI团队提出的RECAP（RL with Experience and Corrections via Advantage-conditioned Policies）方法，核心是给机器人构建了一套“实战学习闭环”，让模型能像人一样从实践中积累经验、修正错误。这套方法主要包含三个关键步骤：

1. 多源数据收集：实战+纠错双管齐下

模型部署到真实场景后，会自主执行任务并记录完整过程（即“自主轨迹”），同时人类专家会在旁监控。当机器人出现明显错误时，专家会远程干预纠正（即“人类纠错”），这些纠错数据会和自主轨迹一起存入训练库。

经验丰富的远程操作员接管控制权，对机器人的错误进行实时纠正。

这种数据组合兼顾了“量”和“质”：自主轨迹能提供大量真实场景的实战经验，暴露模型在不同情况下的问题；人类纠错则精准解决关键错误，避免模型在错误路径上越走越远。数据类型涵盖了演示数据、自主执行数据、专家干预数据等多种异质数据，为后续学习打下基础。

2. 价值函数训练：给机器人装“智能裁判”

团队训练了一个多任务价值函数V^π_ref，相当于给机器人配了个能实时评估任务进展的“裁判”。这个价值函数会根据当前场景观察和任务指令，预测后续完成任务的概率和所需时间，还能识别失败征兆。

价值函数可视化解析。研究训练了一个多任务价值函数（VF），用于预测任务成功所需的剩余步数。

它的特别之处在于采用了分布式表示，能输出离散的价值区间分布，而非单一数值，这样能更精准地判断不同动作的优劣。比如在折叠衣物时，它能及时发现“衬衫边角未对齐”这种潜在错误，为后续动作优化提供依据。训练时，价值函数会根据任务结果（成功/失败）和完成时间进行优化，确保评估的准确性。

3. 优势条件训练：精准优化动作策略

这是RECAP的核心创新。模型会根据价值函数计算“优势值”——衡量当前动作比基准动作更优的程度，然后将这个优势值转化为二进制指标（“优势：正向”或“优势：负向”），作为额外输入融入VLA模型的训练。

通过模仿学习训练的基础模型，在执行意式咖啡机手柄插入任务时面临显著挑战。这类任务失败的核心原因往往源于早期动作偏差，即模型握住手柄的初始角度未满足设备安装的对准要求。

这种方式相当于让模型明确知道“哪些动作该坚持，哪些该改进”，能高效利用所有数据（包括成功案例和失败案例）进行政策优化。相比传统强化学习方法，它无需复杂的梯度调整，能直接适配大规模VLA模型，同时避免了数据浪费，让模型在有限数据下实现快速提升。

2►π∗₀.₆基于RECAP方法设计拥有两大核心优势：

π∗₀.₆是基于团队此前的π₀.₆模型优化而来，专为RECAP方法设计，主要升级点有两个：

一是加入了优势条件输入接口，能接收价值函数输出的二进制优势指标，让模型在生成动作时能参考“动作优劣”的判断；二是延续了π₀.₆的强大基础架构——采用Gemma 3 4B大模型作为VLM骨干网络，搭配860M参数的动作专家模块，通过流匹配（flow matching）生成连续动作，同时能输出子任务文本指令（如“拿起咖啡粉槽”），实现高层决策与底层动作的协同。

实验中所用任务的示意图。任务包括三种不同的衣物洗涤变体、组装箱子，以及用浓缩咖啡机制作咖啡饮品。

模型预训练阶段会吸收数万小时的多机器人、多任务数据，包括视觉-语言Web数据和机器人操作数据；之后针对具体任务（如折叠衣物、制作咖啡）进行微调，再通过RECAP的迭代训练不断优化，最终形成适配特定场景的专业模型。

3►真实场景下三大高难度任务，π∗₀.₆碾压传统强化学习

团队在三个高难度真实任务中对π∗₀.₆进行了测试，结果十分亮眼：

1. 任务覆盖：从家政到工业场景

•衣物折叠：能处理T恤、短裤、衬衫、牛仔裤等11种衣物，在陌生家庭环境中连续工作2小时无中断；

PI正式发布π∗₀.₆模型！机器人冲煮咖啡、叠衣服、折箱子技能都进化成这样了？！

观看更多转载,PI正式发布π∗₀.₆模型！机器人冲煮咖啡、叠衣服、折箱子技能都进化成这样了？！具身智能大讲堂已关注分享点赞在看已同步到看一看写下你的评论视频详情

•浓缩咖啡制作：完成从磨豆、压粉、萃取到出杯的全流程，连续工作13小时稳定输出；

•纸箱组装：将扁平纸箱折叠成型、贴标签并堆叠，适配工厂真实包装场景，600秒内完成率超90%。

2. 关键指标：成功率与效率双提升

吞吐量：研究团队展示了衣物洗涤（简单款与多样款）、浓缩咖啡制作及箱子组装任务每小时的成功完成数量，误差线代表标准误。该指标同时衡量成功率与速度。在所有情况下，将 RECAP 应用于 π∗₀.₆（我们的方法）均显著提升了吞吐量。RECAP 对多样款衣物洗涤和浓缩咖啡制作任务的吞吐量影响最为显著，使每小时成功完成数量增加一倍以上。

•吞吐量翻倍：在最难的多样化衣物折叠和咖啡制作任务中，成功完成的任务数量 per 小时提升超过1倍；

•故障率减半：相比传统模型，π∗₀.₆的任务失败率降低约50%，其中纸箱组装的各子任务成功率均为最高；

•鲁棒性突出：能应对真实场景的 variability——如粘连的纸箱、易变形的衣物、液体倾倒时的晃动等，这些都是实验室数据难以模拟的情况。

3. 方法优势：碾压传统强化学习

对比AWR（优势加权回归）和PPO（近端策略优化）等传统方法，π∗₀.₆在吞吐量上表现出绝对优势。

不同策略提取方法的对比结果显示：与 AWR（优势加权回归）和 PPO（近端策略优化）相比，将 RECAP 方法应用于 π₀.₆* 模型后，其在衣物折叠任务中的吞吐量达到了目前最高水平。

其中PPO因需要严格的信任域约束，在离线数据场景下难以稳定训练；AWR虽能保证一定成功率，但动作速度慢，导致整体效率低下。而RECAP的优势条件训练既能保证稳定性，又能显著提升动作效率，充分验证了方法的优越性。

4►RECAP方法为通用机器人提供可复制方案

π∗₀.₆和RECAP方法的突破，不仅在于模型性能的提升，更在于为通用机器人的实用化提供了可复制的解决方案：

首先，它解决了传统机器人模型“怕陌生环境”的痛点，通过真实场景的自主学习和人类纠错，让模型能适应复杂多变的现实条件；其次，RECAP的迭代训练框架无需依赖大规模标注数据，降低了机器人适配新场景的成本；最后，模型在真实场景中的长时稳定运行能力，证明了VLA模型从实验室走向生活、工业场景的可行性。

未来，团队计划进一步优化三个方向：一是实现数据收集、标注、重置的全自动化，减少人类干预；二是提升模型的探索能力，让机器人能自主发现更优操作路径；三是构建全在线的RL训练循环，实现实时学习与优化。这些改进将推动通用机器人更快走进家庭、办公室和工厂，成为真正的“实用工具”而非“实验室展品”。

从π₀.₅到π∗₀.₆，谷歌PI团队用强化学习打通了“模型能力”与“真实场景”之间的鸿沟。当机器人能像人一样“从实践中学习”，通用机器人的时代，或许已不再遥远。