2025 年 11 月 21 日，Physical Intelligence 团队推出新一代具身 VLA（视觉 – 语言 – 动作）大模型 π*0.6，凭借创新的 RECAP 训练方法，让机器人具备从自身错误中学习的能力，在连续制作浓缩咖啡、折叠衣物、组装纸箱等复杂现实任务中，成功率均突破 90%，吞吐量较前代模型翻倍，重新定义了具身智能的实用化标准。
与传统依赖人类示范的模仿学习不同，π*0.6 的核心突破在于 RECAP 训练框架 —— 一种融合 “指导、辅导、练习” 的三阶学习模式。该框架通过价值函数评估动作质量，将强化学习问题转化为大模型擅长的监督学习任务，让机器人既能吸收人类示范的基础经验，又能通过专家纠错和自主实践持续优化策略。具体而言，模型先通过离线 RL 阶段学习多源异构数据（含失败案例），再经人类示范微调适配具体任务，最后在在线阶段通过专家远程纠错和自主经验积累实现自我进化，彻底解决了传统机器人 “只会做对、不会改错” 的核心痛点。
在技术实现上，RECAP 框架展现出精巧的设计思路。针对具身场景中数据异构、动作生成模型难以直接应用策略梯度的问题，研究团队引入 “优势条件化” 策略：价值函数先对动作效果打分，将优势值二值化后作为额外输入，引导模型优先模仿高质量动作。同时，通过分布式价值函数预测离散价值分布，精准识别任务中的关键步骤与错误来源，让机器人在折叠衣物时能修正拉扯褶皱的失误，在制作咖啡时可调整压粉力度，即便出现轻微偏差也能快速恢复。
实测数据显示，π0.6 在三大高难度任务中表现亮眼：连续 13 小时制作浓缩咖啡、2 小时折叠多样化衣物均无需人工重置，工厂纸箱组装的各子任务成功率保持一致高水平。相较于仅经监督微调的模型，RECAP 方法使复杂衣物折叠、咖啡制作的吞吐量提升超 1 倍，失败率降低约 50%。模型架构上，π0.6 升级至 Gemma3（4B）骨干网络，Action Expert 参数量达 860M，通过流匹配与离散动作 token 生成，实现更精细的动作控制。
π*0.6 的发布不仅验证了 “从失败经验中学习” 的具身智能新路径，更解决了真实场景中优质示范数据稀缺的行业难题。它证明机器人可从海量 “不完美经验” 中提炼有效学习信号，为工业生产、家庭服务等领域的实用化机器人开发提供了可扩展方案。未来，随着该技术在更多复杂场景的落地，具身智能机器人有望真正具备自主适应、持续进化的核心能力，加速从实验室走向规模化应用。
