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

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

原创 PNP机器人 PnP机器人2025年09月14日 16:46

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。

<<<  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“。