转推Shane Re 4. 物理智能 × Deft：工厂级验证的通用模型。Deft机器人与物理智能联手，让通用机器人智能真正走进汽车工厂。任务是流水线供料：反复抓取零件，精准放在线上指定位置和方向。听起来简单？但每次从料箱里拿零件，位置和朝

和英伟达的新项目：在世界模型中完全评估机器人策略。策略执行动作，模型想象结果，而想象中的评估预测真实表现。🧵 真实与模型推演对比📷

π0.5驱动自主吻合技术！——Ryan McGuire

我们的最新模型π0.7有一些有趣的 emergent 能力：它能控制一个新机器人折叠我们没有数据的衬衫，还能在语言指导的帮助下学会使用家电，而且还能完成一系列灵巧的任务，全都集成在一个模型里！

RT @StanfordMSL的π项目，但让它飞起来✈️ 我们对π0模型进行了微调——这是个完全基于机械臂预训练的视觉语言动作模型。现在它能操控无人机完成抓取物体、穿越门框等任务，还能通过语言指令把不同技能组合起来。

我们开发了一种强化学习方法，只需几小时甚至几分钟就能微调模型完成特定任务。不用重训整个模型，我们在最新的π-0.6模型中加了个"RL token"输出，由小型的actor和critic通过强化学习快速学习。