強化学習入門
2026年9月4日
π0(パイ・ゼロ)徹底解説 — フローマッチングはVLAの行動生成をどう変えたか
Physical Intelligenceが2024年に発表したπ0を、原論文の記述に基づいて分解する。PaliGemma VLMバックボーンと専用Action Expertの併走構成、条件付きフローマッチングによる連続行動生成、7種類のロボットにまたがるクロスエンボディメント学習まで、RT-2/OpenVLA型の自己回帰VLAと何が違うのかを数式付きで検証する。
入門 · 18分