π 系列 VLA：从 π0 到 π0.7，机器人基础模型的四步演进
通读 Physical Intelligence 的 π0、π0.5、π*0.6（RECAP）与 π0.7 四篇论文，推导流匹配动作专家、分层推理、优势条件化 RL 与多模态提示这四块拼图如何组成一条完整的机器人基础模型路线。
具身智能
标签
#模仿学习
3篇文章
标签
3篇文章
通读 Physical Intelligence 的 π0、π0.5、π*0.6（RECAP）与 π0.7 四篇论文，推导流匹配动作专家、分层推理、优势条件化 RL 与多模态提示这四块拼图如何组成一条完整的机器人基础模型路线。
从动觉示教到 ALOHA、从手持夹爪到人类视频、从跨本体聚合到自主数据飞轮——沿着"吞吐量与保真度不可兼得"这条主线，梳理具身智能数据获取的每一次范式转移及其代价。
从行为克隆的复合误差与多模态困境出发，推导 ACT 的 CVAE 动作分块与 Diffusion Policy 的去噪生成各自如何解决这两个问题，以及工程上如何二选一。