π0.6*模型的推出，标志着机器人学习能力的重大突破。它不再仅仅依赖人类演示，而是通过RECAP强化学习算法，从自主实践中汲取经验、自我纠错，从而在速度与鲁棒性上实现超越，为通用机器人的实用化部署铺平了道路。
智能速览
π0.6*模型能通过自主执行、奖励反馈和专家纠正三种方式自我提升。
其核心的RECAP算法通过优势标签区分好坏动作，让模型学习最优策略。
在叠衣服任务中，RECAP让困难版任务的吞吐量翻倍，失败率降低2倍。
机器人能连续13小时制作浓缩咖啡，展示了长时序任务的实用性。
在真实工厂场景下，组装纸箱任务的整体成功率接近90%。
相比传统强化学习方法，RECAP在训练效率和稳定性上表现出显著优势。
精华内容
π0.6*的核心突破在于其名为RECAP的训练算法，它让机器人像人一样通过实践获得经验，实现能力的自我超越。
模型架构解析
π0.6*是在π0.6基础模型上通过强化学习升级的版本。其架构采用了Gemma 3的4B参数作为视觉-语言骨干网络，负责理解多模态信息，并配合一个约8.6亿参数的“动作专家”模块来生成具体的操作指令。
该模型能够同时接收并处理最多4个摄像头的图像输入，包括基础相机和腕部相机等，这为其在复杂环境下的精确操作提供了丰富的感知基础。
RECAP算法核心
π0.6*采用了名为RECAP（通过优势条件策略进行经验与纠正的强化学习）的算法。该算法包含三个循环迭代的步骤：首先，让机器人自主执行任务并记录成败，人类专家可在早期进行干预纠正；其次，利用收集到的所有数据训练一个价值函数，用以预测当前状态距离成功还有多远；最后，进行优势条件训练，这是算法的创新点，它会给每个动作打上“好”或“坏”的优势标签，并通过提示词引导模型在推理时只生成好的动作。
实战任务表现
π0.6*在三类实际任务上展现了卓越性能。在叠衣服任务中，标准版成功率超90%，困难版（11种衣物）的吞吐量翻了一倍多，而要求衣领朝上的严格标准版成功率高达97%。在制作咖啡的长时序任务中，吞吐量同样翻倍，成功率超90%，并实现了连续13小时不间断作业。在工厂场景的纸箱组装任务中，整体成功率接近90%，两次迭代后吞吐量提升了2倍。
与传统方法对比
研究对比了RECAP与传统强化学习方法AWR（优势加权回归）和PPO（近端策略优化）的效果。结果显示，在叠衣服任务上，RECAP的吞吐量远超另外两种方法。AWR虽然成功率尚可，但执行速度慢；PPO在离线数据上训练则表现出不稳定性。RECAP算法凭借其简单高效、利用多源数据的特点，实现了既快又稳的训练效果，特别适合大型VLA模型。
π0.6*模型与RECAP算法的结合，实现了机器人从“会做”到“做得又快又好”的关键跨越。这种通过自主练习、反馈和纠错不断进化的能力，让机器人真正开始具备“熟能生巧”的特质。这是否意味着我们离真正通用的、能适应各种现实环境的机器人又近了一步？
