← 视觉 · 语言 · 动作 / 动作分布与效率视觉语言模型与动作专家π0 · 论文 Figure 3 ↗
正式发表 / Vision–Language–Action
π0
π0: A Vision-Language-Action Flow Model for General Robot Control
RSS · 2025
快照 2026-10-28 · 引用:Semantic Scholar / 正式版 DOI 记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
预训练视觉语言模型连接动作专家,通过 flow matching 生成连续动作块。
- 01编码视觉与语言
- 02动作专家去噪
- 03执行连续动作块
THE IDEA
它在解决什么
把视觉语言能力与 flow matching 动作生成结合,产生连续动作序列。
WHY READ IT
为什么放在这条路线
π 系列的关键起点;作为 2024 首发技术报告收录,便于按技术演进顺序阅读。
READ WITH A QUESTION
读的时候,留意什么
报告版本与后续会议版本需区分;重点看动作专家和预训练模型之间的信息交互。 初稿发布于 2024 年,正式版按 RSS 2025 收录。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器