Physical Intelligence发布的π0.6系列模型通过架构革新、训练范式革命和技能迁移突破，解决了具身智能领域的感知执行协同、数据融合效率和跨场景泛化等核心难题，为机器人训练成本降低60%以上提供了技术路径。
智能速览
双模块协同设计实现语义-动作高效转化，推理延迟仅63ms
RECAP训练框架融合三种数据，衣物折叠效率提升100%
跨形态技能迁移能力自然涌现，T恤折叠成功率从32%跃升至71%
多模态处理支持4路448×448图像输入，保障动作连贯性
严苛任务表现突出，鸡蛋分拣准确率达78%
精华内容
π0.6模型的突破不仅体现在性能提升上，更重要的是它揭示了具身智能发展的新路径：通过知识隔离训练、数据融合策略和跨形态迁移，实现从感知到执行的高效闭环。
架构革新
π0.6采用双模块协同设计，VLM骨干网络基于Gemma3 4B模型初始化，继承强大多模态理解能力。动作专家模块参数量860M，与VLM层数严格对齐，通过知识隔离训练策略避免梯度干扰。这一设计实现了语义理解与动作执行的分层优化，支持4路448×448分辨率图像输入，双向注意力机制保障动作连贯性，推理延迟控制在63ms以内。
训练革命
RECAP训练范式创新性地融合专家示范、自主试错和人工修正三类数据。通过价值函数量化动作优劣，构建二值化优势指标。实验数据显示，衣物折叠任务效率提升100%，失败率降低50%。相比AWR/PPO等传统方法，在鸡蛋分拣等严苛任务上准确率提升至78%，展现出显著的学习效率优势。
迁移涌现
当预训练数据多样性达到临界值时，人类视频到机器人动作的迁移能力自然涌现。典型案例中，T恤折叠任务成功率从32%跃升至71%。这种双层级迁移机制既能理解抽象规则，又能精确控制末端执行器轨迹。腕部相机数据的引入进一步提升了梳妆台整理等任务表现，TSNE分析显示特征空间实现了良好对齐。
π0.6模型的技术突破为具身智能落地提供了可实施的路径，训练成本降低60%以上的优势将加速家庭服务机器人、工业质检等场景的应用。随着开源生态的发展，这一技术体系有望推动行业进入自主进化新阶段。
