何が起きたか

Physical Intelligenceは、ロボット制御のための基盤モデル「π0」と「π0-FAST」を公開した。π0はVision-Language-Action（VLA）モデルであり、大規模な事前学習とフローマッチングに基づく行動生成を採用し、異なるエンボディメントにわたって器用な操作タスクを実行できるとされる。π0は7つのロボットプラットフォームと68のタスクからのデータで訓練されている。同社は、汎用ロボットポリシー（ロボット基盤モデル）の開発には、事前学習の利点を活用するための大規模研究、多様なデータソースを統合し複雑な物理的相互作用を捉えるモデルアーキテクチャの設計、効果的な訓練レシピの作成という3つの課題があると説明している。

Key Facts

Physical Intelligenceは、汎用ロボット制御向けのVision-Language-Action（VLA）モデル「π0」を開発した。[0]
π0は大規模な事前学習とフローマッチングに基づく行動生成を採用し、異なるエンボディメントにわたって器用な操作タスクを実行できるとされる。[0]
π0は7つのロボットプラットフォームと68のタスクからのデータで訓練されている。[0]
Physical Intelligenceは、π0とπ0-FASTを、ロボット基盤モデルの開発における3つの課題を克服するためのプロトタイプモデルおよび学習フレームワークとして紹介している。[0]
同社は、汎用ロボットポリシー開発の課題として、大規模研究の必要性、多様なデータソースを統合するモデルアーキテクチャの設計、効果的な訓練レシピの作成を挙げている。[0]

なぜ重要か

ロボット基盤モデルの開発は、ロボットの適応性と汎用性を高める可能性がある。π0のようなVLAモデルは、多様なロボットデータを活用して事前学習を行うことで、個別のタスクに特化した訓練よりも効率と性能を向上させることができると同社は主張している。このアプローチは、ロボットが多様な環境やタスクに適応する能力を向上させる可能性がある。