π0
论文与基准价格与配方
Physical Intelligence 首个 VLA 基础模型，公开了按任务-本体 n^0.43 加权的预训练混合
- 数据类型
- 真机遥操；开源跨本体
- 规模口径
- 903M timestep（自采）
- 链接
- arxiv.org
数据配方
预训练混合 = 自采灵巧操作数据 + 公开数据（OXE Magic Soup、Bridge v2、DROID）。自采部分为 903M timestep（单臂 106M、双臂 797M），覆盖 7 种机器人配置、68 个任务 [1]；PI 博客称来自 8 个机器人平台 [2]。混合方式是公开细节最多的一类：每个任务-本体组合按 n^0.43 加权，压低数据量大的组合；开源数据占混合的 9.1%（按 timestep 计）[1]。Open X-Embodiment (OXE) 是公开数据的主要来源。
结果与证据
论文以 timestep 而非小时报告规模。"约 1 万小时自采"来自二手摘要，未能从论文原文复核，使用时应标二手。逐任务成功率表此处不复述。
已知缺陷与口径
小时数与训练贡献不是一回事：n^0.43 加权意味着数据量大的组合被下调、小组合被上采样，"占比"需区分 timestep 占比与采样权重。博客称 8 个平台（图中实际只标出 7 种机器人类型）、论文称 7 种配置，口径不一致，以论文为准。π0 的数据配方后续被 π0.5（数据配方与消融） 扩展为六类来源。
来源
- arXiv 2410.24164 (2026-10-14)
- https://www.pi.website/blog/pi0 (2026-10-14)
相关卡片
卡片整理 2026-10-14。公司自报数据标“公司口径”；⚠️ 为未经独立核实。