← 视觉 · 语言 · 动作 / 动作分布与效率离散预训练与连续动作后训练π0.5 · 原文 Fig. 3 · p.4 ↗
正式发表 / Vision–Language–Action
π0.5
π0.5: A Vision-Language-Action Model with Open-World Generalization
CoRL · 2025
快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗
关键框架 FRAMEWORK
第一阶段混合机器人、语义子任务和互联网数据,以 FAST token 训练;后训练加入 flow matching 动作专家,同时支持高层和低层推断。
- 01混合数据预训练
- 02加入连续动作专家
- 03分层推断并执行
THE IDEA
它在解决什么
通过数据混合与模型训练设计,研究跨环境的机器人任务泛化。
WHY READ IT
为什么放在这条路线
π0 到开放环境操作之间的代表工作,连接语言语义、子任务和动作学习。
READ WITH A QUESTION
读的时候,留意什么
新环境不等于所有物体与技能都未见过,需要拆解测试中究竟变化了什么。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器