π*0.6 / RECAP

数据配方

RECAP 先做离线 RL 预训练，再做真机 on-robot 专门化。数据三类：人工演示、on-policy 自主 rollout、自主执行中的专家遥操作接管 [1]。奖励为 episode 级稀疏奖励；价值函数预测"到成功的负步数"，优势（价值变化）作为条件输入策略 [1]。骨干为 π0.6：Gemma 3 4B 视觉语言模型加 860M 动作专家，价值函数用 670M VLM [1]。三类数据的规模与混合权重均未披露。

结果与证据

公司口径：在最难任务上吞吐翻倍以上，失败率降低 2 倍或更多（论文摘要为 roughly halves）[1][2]。演示：espresso 博客图注为 5:30am 到 11:30pm（约 18 小时），论文正文写连续 13 小时，两处口径不一致；在一个新家庭连续折叠 50 件未见衣物；在真实工厂连续组装并贴标 59 个纸盒 [2]。

已知缺陷与口径

数据成本无法估算。第三方现场测试说法（如人工干预减少 50%）来自二手报道，一手页面未复现，标 ⚠️。

来源

1. arXiv 2511.14759 (2026-10-14)
2. https://www.pi.website/blog/pistar06 (2026-10-14)