π0／π0.5

基本情報

特徴と位置づけ

Physical Intelligenceは、さまざまなロボットと作業に使える汎用のロボット基盤モデルを開発する米国の企業です。2024年10月31日に公開したπ0は、30億パラメータの視覚言語モデル（VLM）に、flow matchingという手法で動作出力を加えたVLA（Vision-Language-Action）モデルで、最大50Hzで動作指令を出し、単腕・双腕・移動マニピュレータを含む8種のロボットのデータで学習しています。洗濯物畳み、テーブル片付け、箱組立などを実行しました。

2025年4月22日に公開したπ0.5は、他のロボットのデータやWebのマルチモーダルデータと共学習し、まずテキストでサブタスクを出力し、次に50ステップ（約1秒）の動作のまとまりを生成します。学習に含まれない家庭環境で食器の片付けやベッドメイクを実行し、学習環境の数が約100に達するとテスト環境で直接学習したモデルに近づくと報告しました。一方で著者自身が「完璧には程遠い」とし、初回で成功しないことや、推論と運動指令の両方で誤りが多いことを明記しています。

公開デモの多くは家庭や一般的な物体の操作で、工場の作業で求められるサイクルタイムや成功率で評価されたものではありません。商用で工場に使う場合のライセンスや提供条件は、利用時点で同社に確認する必要があります。

強み

• 多様なロボットのデータで学習しており、機体を問わない汎用性を志向している
• 限界（初回で成功しない、誤りが多い）を著者自身が明記しており、技術の到達点を判断しやすい

検討時の注意点

• 工場の作業での成功率・サイクルタイムは評価されていない
• 商用利用のライセンスと提供条件が公表資料で確認できない
• 自社作業への適用には追加学習用の動作データの収集が必要