π0.7 (pi-0.7)

π0.7, udostępniony przez Physical Intelligence 16 kwietnia 2026 r., to model wizja-język-akcja o około 5 mld parametrów: rdzeń wizyjno-językowy 4 mld, koder historii wideo i ekspert akcji 860 mln. Kluczowa idea to sterowalność — zamiast jednego zdawkowego polecenia model jest uczony na bogatym kontekście: szczegółowym opisie językowym, obrazach celów pośrednich generowanych przez lekki model świata, metadanych mówiących, jak zadanie ma zostać wykonane (tempo, staranność, jakość), oraz etykietach trybu sterowania (przeguby albo końcówka ramienia). Te same wagi można więc nakierować na różne strategie realizacji tego samego zadania, bez dostrajania. Efektem, który raportuje Physical Intelligence, jest wyłaniająca się generalizacja kompozycyjna: π0.7 łączy umiejętności wyuczone przy różnych zadaniach i radzi sobie w sytuacjach, których nie widział w treningu — obsługuje nieznane sobie sprzęty kuchenne i składa pranie na robocie, dla którego nie ma w danych ani jednego przykładu składania prania. Przy składaniu prania, parzeniu espresso i sklejaniu pudełek dorównuje wyspecjalizowanym politykom dostrojonym uczeniem ze wzmocnieniem albo je wyprzedza, a na nowej platformie osiągnął poziom doświadczonego operatora zdalnego bez żadnego dostrajania. Trening łączy demonstracje z platform stacjonarnych, mobilnych, jedno- i dwuramiennych — w laboratoriach, domach i w terenie — nagrania wideo z pokazami ludzi, epizody autonomiczne wcześniejszych polityk, wielkoskalowy pretrening wizyjno-językowy oraz otwarty zbiór DROID. W odróżnieniu od π0, który Physical Intelligence wypuściło z otwartymi wagami, π0.7 jest modelem zamkniętym — firma opublikowała badania i pokazy, ale nie punkty kontrolne.

▸Wideo

Brak materiałów wideo.

▸Recenzje