論文の概要: $π_{0.7}$: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities

• arxiv url: http://arxiv.org/abs/2604.15483v1
• Date: Thu, 16 Apr 2026 19:18:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.630676
• Title: $π_{0.7}$: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities
• Title（参考訳）: $π_{0.7}$: 創発的能力を持つステアブル・ジェネリストロボット基礎モデル
• Authors: Physical Intelligence, Bo Ai, Ali Amin, Raichelle Aniceto, Ashwin Balakrishna, Greg Balke, Kevin Black, George Bokinsky, Shihao Cao, Thomas Charbonnier, Vedant Choudhary, Foster Collins, Ken Conley, Grace Connors, James Darpinian, Karan Dhabalia, Maitrayee Dhaka, Jared DiCarlo, Danny Driess, Michael Equi, Adnan Esmail, Yunhao Fang, Chelsea Finn, Catherine Glossop, Thomas Godden, Ivan Goryachev, Lachlan Groom, Haroun Habeeb, Hunter Hancock, Karol Hausman, Gashon Hussein, Victor Hwang, Brian Ichter, Connor Jacobsen, Szymon Jakubczak, Rowan Jen, Tim Jones, Gregg Kammerer, Ben Katz, Liyiming Ke, Mairbek Khadikov, Chandra Kuchi, Marinda Lamb, Devin LeBlanc, Brendon LeCount, Sergey Levine, Xinyu Li, Adrian Li-Bell, Vladislav Lialin, Zhonglin Liang, Wallace Lim, Yao Lu, Enyu Luo, Vishnu Mano, Nandan Marwaha, Aikys Mongush, Liam Murphy, Suraj Nair, Tyler Patterson, Karl Pertsch, Allen Z. Ren, Gavin Schelske, Charvi Sharma, Baifeng Shi, Lucy Xiaoyang Shi, Laura Smith, Jost Tobias Springenberg, Kyle Stachowicz, Will Stoeckle, Jiaming Tang, Jimmy Tanner, Shalom Tekeste, Marcel Torne, Kyle Vedder, Quan Vuong, Anna Walling, Haohuan Wang, Jason Wang, XuDong Wang, Chris Whalen, Samuel Whitmore, Blake Williams, Charles Xu, Sukwon Yoo, Lili Yu, Wuming Zhang, Zhuoyang Zhang, Ury Zhilinsky,
• Abstract要約: $_0.7$は、幅広いシナリオで強力なアウト・オブ・ザ・ボックスのパフォーマンスを可能にする。 $_0.7$は、目に見えない環境で様々な言語命令に従うことができる。 $_0.7$は、ゼロショットのクロスボディーメントの一般化を提供することもできる。
• 参考スコア（独自算出の注目度）: 77.01386332235107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a new robotic foundation model, called $π_{0.7}$, that can enable strong out-of-the-box performance in a wide range of scenarios. $π_{0.7}$ can follow diverse language instructions in unseen environments, including multi-stage tasks with various kitchen appliances, provide zero-shot cross-embodiment generalization, for example enabling a robot to fold laundry without seeing the task before, and perform challenging tasks such as operating an espresso machine out of the box at a level of performance that matches much more specialized RL-finetuned models. The main idea behind $π_{0.7}$ is to use diverse context conditioning during training. This conditioning information, contained in the prompt, makes it possible to steer the model precisely to perform many tasks with different strategies. It is conditioned not just on a language command that describes what it should do, but on additional multimodal information that also describes the manner or strategy in which it should do it, including metadata about task performance and subgoal images. This enables $π_{0.7}$ to use very diverse data, including demonstrations, potentially suboptimal (autonomous) data including failures, and data from non-robot sources. Our experiments evaluate $π_{0.7}$ across numerous tasks with multiple robot platforms, on tasks that require speed and dexterity, language following, and compositional task generalization.
• Abstract（参考訳）: 我々は,幅広いシナリオにおいて強力なアウト・オブ・ザ・ボックス性能を実現するロボット基礎モデルとして,$π_{0.7}$を提案する。 $π_{0.7}$は、さまざまなキッチンアプライアンスを使った多段階タスク、ゼロショットのクロスボデーメントの一般化、例えば、ロボットがタスクを見ることなく洗濯物を折り畳むこと、より特殊なRL細工されたモデルに匹敵するパフォーマンスのレベルでエスプレッソマシンをボックスから操作するといった挑戦的なタスクなど、目に見えない環境における多様な言語指示に従うことができる。 π_{0.7}$の背景にある主な考え方は、トレーニング中に様々なコンテキストコンディショニングを使用することである。 この条件付け情報は、プロンプトに含まれるもので、モデルを正確に操り、異なる戦略で多くのタスクを実行することができる。 これは、すべきことを記述した言語コマンドだけでなく、タスクパフォーマンスやサブゴールイメージに関するメタデータを含む、それがすべき方法や戦略を記述した、追加のマルチモーダル情報にも当てはまる。 これにより$π_{0.7}$は、デモ、失敗を含む潜在的に最適でない(自律的な)データ、非ロボットソースのデータなど、非常に多様なデータを使用することができる。 実験では,複数のロボットプラットフォームを用いた多数のタスクに対して,速度とディクスタリティ,言語追従,構成的タスクの一般化を必要とするタスクに対して,$π_{0.7}$を評価した。

関連論文リスト

• $π_{0.5}$: a Vision-Language-Action Model with Open-World Generalization [81.73746512639283]
  広義の一般化を実現するために異種タスクのコトレーニングを利用する$pi_0.5$に基づく新しいモデルについて述べる。 本研究では,エンド・ツー・エンドの学習支援ロボットシステムが,長期的かつ巧妙な操作能力を発揮することを初めて実証する。
  論文  参考訳（メタデータ） (2025-04-22T17:31:29Z)
• Sweeping Heterogeneity with Smart MoPs: Mixture of Prompts for LLM Task Adaptation [43.32632163091792]
  大規模言語モデル(LLM)は、テキスト要約や数学的問題など、さまざまなタスクを解く能力を持つ。 計算コストが高いため、現在のトレンドは、プロンプトインストラクションチューニングを使用して、モノリシックで事前訓練されたLLMを、新しい-しかししばしば個別の-下流タスクのためによりよく調整することである。 MoPはマルチタスク、マルチソースシナリオにおいて、プロンプトトレーニングの"干渉"を同時に緩和することができる。
  論文  参考訳（メタデータ） (2023-10-04T14:11:12Z)
• VIMA: General Robot Manipulation with Multimodal Prompts [82.01214865117637]
  ロボット操作タスクの幅広い範囲をマルチモーダルプロンプトで表現できることを示す。 我々は,数千の手続き的に生成されたテーブルトップタスクからなる新しいシミュレーションベンチマークを開発した。 我々は、これらのプロンプトを処理し、自動回帰的に運動動作を出力するトランスフォーマーベースのロボットエージェントVIMAを設計する。
  論文  参考訳（メタデータ） (2022-10-06T17:50:11Z)
• Zemi: Learning Zero-Shot Semi-Parametric Language Models from Multiple Tasks [77.90900650816046]
  ゼロショットセミパラメトリック言語モデルである$textZemi$を紹介します。 私たちは、新しいセミパラメトリックマルチタスクによるトレーニングパラダイムで、textZemi$をトレーニングします。 具体的には、大規模タスクに依存しない未ラベルコーパスからの検索により、マルチタスクトレーニングとゼロショット評価を強化する。
  論文  参考訳（メタデータ） (2022-10-01T04:08:50Z)
• Multitask Prompted Training Enables Zero-Shot Task Generalization [70.12770442071657]
  本研究では,一般的な自然言語タスクを人間に読まれる入力形式にマッピングするシステムを開発した。 様々なタスクをカバーしたマルチタスクミックス上に,事前学習したエンコーダ・デコーダモデルを微調整する。 このモデルは、いくつかの標準データセット上で強力なゼロショット性能を達成し、しばしば16倍のサイズのモデルより優れている。
  論文  参考訳（メタデータ） (2021-10-15T17:08:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。