——Franka机器人渠道、市场、销售负责
——学术背景来自于哈尔滨工业大学、多伦多大学
全国咨询热线:
400 188 3810
Franka机器人专线
18018175378(同微信)

π0.5开源:Physical Intelligence 官方 GitHub 9月份仓库更新

发表时间:2025-09-13 01:56作者:PNP机器人
一、π0.5最新开源信息(2025年9月)
根据 Physical Intelligence 官方 GitHub 仓库 openpi 的更新日志:
2025年9月,在 openpi 仓库中新增了 PyTorch 支持;
同时,发布了 π0.5(pi-zero-point-five)模型的开源版本(升级自 π0、具有更强的开放世界泛化能力)。
这意味着截至2025年9月,π0.5 已由 Physical Intelligence 正式开源,并且用户可以通过 openpi 仓库获取其预训练模型、示例代码,以及如何在自有平台上进行推理或微调的具体说明。
二、研究背景
模型介绍——π0.5 的核心特点
Physical Intelligence 的团队于 2025年4月22日在博客中发布了名为 “π 0.5: a VLA with Open-World Generalization” 的文章,介绍了该模型的架构和实验结果。
论文摘要(ArXiv形式)也同步发布,题为:“$π_{0.5}$: a Vision-Language-Action Model with Open-World Generalization”。
核心内容要点
开放世界泛化能力π0.5 在完全陌生的环境(如新厨房或卧室)中,可以执行复杂长期任务(如清洁、整理等),显示出显著的泛化能力,远超前一代模型 π0。
联合训练策略(Co-training on heterogeneous data)模型训练融合了多种数据源,包括:
  • 网络多模态数据(图像、文本、目标检测、视觉问答等);
  • 不同机器人的物理行为数据;
  • 语言指导示范;
  • 高层次语义任务标签(子任务层次);模型同时进行高层次(语言预测)与低层次(运动控制)输出。
消融实验及表现分析针对不同数据源进行消融(如去除 Web 数据、跨形态机器人数据等),评估其在“分布内”(In-distribution)与“分布外”(OOD,即未知环境)任务中的表现差异。数据表明,Web 多模态和多样机器人数据都对泛化能力至关重要。
高层结构与低层动作生成π0.5 在推理时先产生文本形式的高层次行为指令,再通过“action chunk”机制(每个持续一秒钟的连续关节控制)生成具体运动命令。这类似“chain-of- thought”(逐步推理)方式。
长期任务成功率在新家环境任务中,π0.5 能够完成如“整理床铺”、“把碗筷放洗碗槽”等长期行为。虽然不是每次都成功,但成功率与灵活度已经具备显著突破。
泛化与环境数量关系研究显示,当训练环境数量逐步提高到约 100 个以上时,π0.5 在未知环境中的表现可接近于直接在测试环境上训练的基线模型,说明模型具备高效的泛化能力。
三、开源仓库 openpi 中 π0.5 的使用方式
在 openpi 的 README 中提到:
除了此前的 π0 和 π0-FAST 模型外,新加入了 π0.5 模型;
提供基础预训练检查点,以及 fine-tuning 和推理示例;
特别包含面向具体平台的微调检查点,如:
π0.5-LIBERO(用于 LIBERO 基准)
π0.5-DROID(用于 DROID 平台的微调和推理)
此外,仓库还列出运行环境要求,如推理需 ≥8GB GPU、微调需 ≥22.5GB、全训练需 ≥70GB,同时支持 Docker 与 PyTorch。
四、机器人训练中
在 π0.5 的训练体系中,可以采用Franka机器人训练,作为实际平台。它的操作数据量大、精度高,且具备优秀的力控与灵巧性,因此为 π0.5 提供了可靠的物理交互经验。实验显示,引入 Franka 数据后,模型在复杂任务中表现显著提升。例如在“抓取易碎物体”任务中,模型学会了力度控制;在“分类摆放”任务中,能够合理安排顺序和位置。
可以说,Franka机器人 不仅是训练数据的重要来源,更是 π0.5 实现从“仿真走向现实”的关键桥梁。它使得 π0.5 的研究成果能更快落地到现实实验中,也让开源社区能够在真实硬件上快速复现结果。
五、未来展望与总结
尽管 π0.5 取得了突破,但仍存在改进空间:低层动作生成偶尔存在微小偏差,可能导致失败;高层语义推理在复杂场景下仍可能不够精确。此外,工业、医疗等高风险场景的应用还需进一步探索。未来版本有望引入自我纠错与在线学习机制,使机器人在现实中边执行边改进。同时,π 系列或将进一步扩展至更多平台,构建真正通用的机器人智能框架。总的来看,π0.5 的出现是物理智能领域的重要里程碑。它通过异质数据融合、分层推理架构和 Franka机器人 的真实训练数据,实现了“仿真到现实”的跨越。随着开源推动全球合作,π0.5 有望成为机器人学中的通用基础设施,推动机器人从“工具”走向“伙伴”。
文/PNP机器人 转载请申请

PNP机器人是德国FRANKA机器人卓越战略合作伙伴

德国慕尼黑—PNP机器人成为Franka Robotics卓越战略伙伴,推动具身智能机器人全球生态

PNP机器人提供成套具身智能机器人操作和训练平台



具身智能方向:具身智能技术群

Franka机器人:具身智能方案/渠道/商务咨询

FRANKA机器人因其高精度力控与开放式架构,在学术界广泛应用,成为具身智能与操作研究的主流平台。斯坦福、伯克利、CMU等顶尖实验室构建了丰富的软件生态,ROS、MoveIt 等工具无缝集成,使其在 ICRA、IROS、RSS 等顶会中成为最佳论文常用的验证平台。PNP机器人作为 FRANKA 在国内的官方合作伙伴,负责其技术支持、渠道建设与销售,并基于 FRANKA 开发了一系列生态工具,如遥操作、视觉、移动平台等,具身智能方向如有部署需求,可联系 PNP机器人获取支持。
图片

热点文章参考:

PNP&Franka机器人活动

WRC具身觉醒:当机器人初步长出“人类”的直觉——2025世界机器人大会热点讨论纪实

在具身智能火热加持下,看 2025 年机器人学术年会中的热点主题。PNP机器人展示力控、灵巧手捕捉等案例

具身智能在线活动总结:Franka Robotics与PNP机器人在具身智能领域的技术分享

具身直播活动:机器人大讲堂联合PNP机器人关于Franka机器人具身智能专题直播讨论

具身活动总结:PNP机器人在FAIR plus 2025机器人链接会中呈现具身智能机器人数据集和操作等多项技术

中国具身智能大会:具身智能发展迅速,PNP机器人展出和分享感悟全力控感知特点、操作策略局限以及数据采集等

PNP具身智能数据集总结

双臂类人形具身智能方向:一文汇总Franka机器人在科研、医疗等双臂机器人研究案例和双臂方案参考

机器人数据集:一文汇总机器人数据集RoboDataset的意义与机器人数据采集方法

机器人数据集:数据集越来越成为重要具身智能方向的基础设施—PNP机器人近期活动总结

PNP&FRANKA机器人发展

Franka机器人中国业务全新启航——Franka机器人的10个基本问题,一文掌握归来的力控机器人最新产品和趋势

技术要点分享:Franka机器人常见的10个问题——硬件篇,一文干货汇总。

中国具身智能大会:具身智能发展迅速,PNP机器人展出和分享感悟全力控感知特点、操作策略局限以及数据采集等

机器人操作策略

斯坦福大学李飞飞携Franka机器人创业空间智能提ReKep

具身方案和配置:基于“扩散策略”模仿学习训练机器人以及常用配置方案

OpenVLA:7B 参数开源 VLA模型,可以 HuggingFace下载和微调,支持 Open X-Embodiment


<<<  END >>>


关于集智联机器/PNP机器人

集智联机器人(Plug & Play Robotics),简称PNP机器人。PNP机器人团队成员均来自于ABB、Uninversal Robots(优傲机器人)等国内外机器人行业知名企业,学术背景来自于哈尔滨工业大学、多伦多大学、滑铁卢大学等,具有较强的学术背景。PNP机器人致力于为客户提供从硬件到软件的全方位支持,帮助客户快速实现机器人的部署与应用,提升生产效率和智能化水平


PNP机器人成立以来,先后获得“江苏省双创人才”、“姑苏领军”、“崇本领军、“吴江领军”等人才领军企业称号,公司具有较强科研能力,公司持续研发投入拥有技术发明等多项专利,是高新技术企业,科技中小企业;得益于推动在具身智能领域的最新技术和落地,PNP机器人获得”2024年中国科研贡献奖“

PNP机器人在具身智能方向和思灵机器人以及旗下Franka机器人金牌合作,聚焦面向生活和工业场景的单臂/双臂数据采集场景,致力于机器人即插即用(Plug & Play)技术和具身智能通用解决方案。

www.pnprobotics.com   (PNP机器人官方网站)

sales@pnprobotics.com (官方邮箱/Email Add.)

180 1817 5378(微信同号)


关注具身智能,关注PNP公众号

图片

具身智能技术对接/具身群

180 1817 5378(微信同号)

图片


Plug & Play Robotics
集智联机器人(苏州)有限公司

联系信息                            联系电话:86 138 1609 4093         联系邮箱:sales@plugplayrobotics.com            联系地址:江苏省苏州市吴江智能制造产业园C1栋