Physical Intelligence 发布 π0：通用机器人模型能叠衣服也能收拾餐桌

AI 下国际象棋甚至预测蛋白质结构早就不稀奇了，但你让它叠个衣服或者把桌上的碗筷收拾了，它立刻抓瞎。

这就是著名的莫拉维克悖论：对人类最容易的肢体动作，对机器反倒最难。10 月 31 日，初创公司 Physical Intelligence 发布了他们研发 8 个月的机器人通用基础模型 π0，试图用类似大语言模型的方式，给机器人装上一个能应对各种物理世界操作的通用大脑。

把视觉语言模型接上每秒 50 次的电机指令

传统的工业机器人其实是个死脑筋，工程师写好一条轨迹，它就在流水线上重复焊同一个点，换个零件就得重新调教，到了乱七八糟的家庭环境更是直接罢工。

π0 的思路是做一个通用的机器人策略。团队用一个 30 亿参数的视觉语言模型打底，让它先从互联网图文里学会人类世界的常识和空间关系。

但机器人在现实里做事不能光靠嘴说，它需要极其细腻的连续肢体控制。团队用了一种叫流匹配的架构，这是扩散模型的一种变体，让大模型能以每秒 50 次的频率，直接输出底层的电机控制指令。

为了喂饱这个大脑，他们用了开源机器人数据集，还从 8 种完全不同的机器人身上采集了大量灵巧操作数据，从插拔插头、走线，一直到装外卖盒、折纸箱。

不仅会叠衣服，被人打扰了还能接上继续干

经过针对性微调后，搭载 π0 的机器人干出了几件之前机器人很难搞定的事。

比如叠衣服。在未剪辑的完整实操里，机器人完全自主地从烘干机里掏出一堆揉皱的衣服，拿到桌上，一件件折叠整齐码成一摞。测试人员中途故意伸手打乱衣服，机器人也能自己调整并恢复操作。

又比如收拾餐桌，它需要把碗筷杯子放进回收箱，把垃圾扔进垃圾桶。机器人在操作时甚至出现了一些自发的策略，比如先把盘子上的残渣抖进垃圾桶，或者把几个盘子叠在一起端走，而不是傻傻地一次拿一个。

在组装扁平纸箱的任务里，它还学会了双手配合，甚至利用桌面边缘当支撑点来完成卡槽折叠。在包含复杂多步骤任务的评测中，π0 的表现明显压过了学术界现有的 OpenVLA 和 Octo 等开源模型。

为什么重要

机器人领域过去几十年一直在为每个特定场景定制算法，这导致硬件造出来了，但每进一个新工厂或新家庭，软件开发成本都高得吓人。

我们认为，π0 最聪明的地方，在于它验证了语言模型走通的那套「大规模预训练加少量微调」的泛化路径，在物理世界同样管用。以前换一台机器人或者换个任务，数据就要从零采起；现在只要底层通用模型理解了物理接触的规律，新任务只需要极少量数据就能微调出来。

对机器人研发者来说，这相当于看到了机器人领域的 GPT-3 时刻雏形。但普通人现在还不必指望明天就能买个机器人回家叠衣服，因为这些惊艳动作依然依赖极高成本的双臂硬件平台，而且 50 赫兹的高频控制对端侧算力和延迟要求极高。

不过，它彻底改变了行业对具身智能的预期。看起来，未来的机器人竞争不再是比谁的机械臂调教得更精准，而是看谁能先给机械躯壳灌注进一个真正听得懂人话、看得懂环境的通用物理大脑。