π₀.₅ (Pi05) (LeRobot)

π₀.₅ (Pi05) (LeRobot)

一个机器人控制模型，读取摄像头图像、机器人状态和可选的指令，输出连续动作。它是基础检查点，适合用自己的机器人数据做微调的研究者。

由 lerobot 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Pi05 是 π₀.₅ 的 LeRobot 版本，π₀.₅ 是 Physical Intelligence 的视觉语言动作模型。它读取摄像头图像、机器人状态和可选的语言指令，然后输出连续的机器人动作。这个检查点有 3.6 billion 参数，基于 Google 的 PaliGemma，是用来让你在自己的任务上微调的基础模型。这里只包含流匹配动作头，原始工作里的子任务预测、动作令牌化和强化学习部分没有包含。

适合谁：适合有演示数据、想微调策略的机器人研究者和机器学习工程师。有业余机器人手臂的人可以用它运行训练好的策略并录制评估回合。

Title: 谁会用它
Industry | Who uses it | How they use it | Example
机器人研究 | 大学和实验室团队 | 用自己的演示数据微调基础检查点 | 在一组录制回合的数据集上训练策略
业余机器人 | 拥有低成本手臂的创客 | 运行训练好的策略并录制评估回合 | 用录制脚本录下 10 个评估回合
机器学习 | 机器学习工程师 | 在数据集的一帧上测试推理 | 加载 LIBERO 数据集的一帧并调用 select_action

如果你想要一个不用训练就能完成任务的模型，可以跳过它，因为模型卡把它称为基础模型。

用在哪里：模型通过 Python 里的 LeRobot 库运行。模型卡的录制示例驱动一条装有摄像头的实体手臂。

• Windows、macOS 或 Linux 上的 Python 加 LeRobot 库
• 带摄像头的机器人，通过 lerobot-record 脚本
• 训练用的 GPU，因为模型卡的训练命令把设备设为 cuda

Title: 它能做的事
Use case | Who | What they get back
根据数据集的一帧预测动作 | 开发者 | 这一帧对应的预测动作
用自己的数据微调 | 研究者 | 在你的数据集上训练出的策略检查点
在机器人上评估 | 机器人制作者 | 录制好的评估回合

如何设置：你需要 Python、带 pi 扩展的 LeRobot 库和 PyTorch。视频数据集可能还需要给 torchcodec 用的 ffmpeg。

• 带 pip 的 Python
• 带 pi 扩展的 LeRobot 库
• PyTorch，示例代码会导入它
• 可选的视频工具，例如给 torchcodec 用的 ffmpeg

1. 安装带 pi 扩展的 LeRobot。模型卡自己的命令是从项目的 GitHub 主分支拉取。
2. 可选：用 Hugging Face 工具取回检查点文件。
3. 在一帧数据集上运行下面的示例，不需要机器人。

pip install -U huggingface_hub
hf download lerobot/pi05_base

如何使用：加载策略，从数据集取一帧，预处理后调用 select_action。后处理器再把动作转换成可用的值。要训练的话，用你的数据集和基础检查点调用 lerobot-train。

import torch
from lerobot.datasets.lerobot_dataset import LeRobotDataset
from lerobot.policies.factory import make_pre_post_processors

# Swap this import per-policy
from lerobot.policies.pi05 import PI05Policy

# load a policy
model_id = "lerobot/pi05_base"  # <- swap checkpoint
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

policy = PI05Policy.from_pretrained(model_id).to(device).eval()

preprocess, postprocess = make_pre_post_processors(
    policy.config,
    model_id,
    preprocessor_overrides={"device_processor": {"device": str(device)}},
)
# load a lerobotdataset (we will replace with a simpler dataset)
dataset = LeRobotDataset("lerobot/libero")

# pick an episode
episode_index = 0

# each episode corresponds to a contiguous range of frame indices
from_idx = dataset.meta.episodes["dataset_from_index"][episode_index]
to_idx   = dataset.meta.episodes["dataset_to_index"][episode_index]

# get a single frame from that episode (e.g. the first frame)
frame_index = from_idx
frame = dict(dataset[frame_index])

batch = preprocess(frame)
with torch.inference_mode():
    pred_action = policy.select_action(batch)
    # use your policy postprocess, this post process the action
    # for instance unnormalize the actions, detokenize it etc..
    pred_action = postprocess(pred_action)

lerobot-train \
  --dataset.repo_id=${HF_USER}/<dataset> \
  --output_dir=./outputs/[RUN_NAME] \
  --job_name=[RUN_NAME] \
  --policy.repo_id=${HF_USER}/<desired_policy_repo_id> \
  --policy.path=lerobot/[BASE_CHECKPOINT] \
  --policy.dtype=bfloat16 \
  --policy.device=cuda \
  --steps=100000 \
  --batch_size=4

Title: 主要工具
Tool | What it does
PI05Policy.from_pretrained | 把检查点加载到你的设备上
make_pre_post_processors | 构建准备输入和转换输出的步骤
policy.select_action | 根据准备好的批次预测动作
lerobot-train | 在数据集上训练或微调策略
lerobot-record | 在机器人上运行策略并录制评估回合

示例：你加载检查点，从 LIBERO 数据集里取第 0 个回合的第一帧，并交给预处理器。调用 select_action 会返回一个预测动作，后处理器再把它转换成机器人控制器能用的值。

新手与专家：如果你是新手，视觉语言动作模型会看摄像头画面和可选的指令，然后决定机器人下一步该做什么。第一件小事，是在一帧数据集上运行上面的示例，不需要机器人。

如果你熟悉这个领域，这个模型接收多视角图像和本体状态，预测连续动作，用流匹配目标训练。它遵循原始参考代码以保持兼容。取舍在于范围：它是只含原始工作一部分的基础检查点，所以要准备微调。

摄像头图像、状态和指令输入
预处理器准备批次
策略预测连续动作
后处理器转换动作

注意事项：这个检查点很大。下面的 4 位数字是 Hugging Face 记录里的估算，不是你要下载的文件。

Title: 权重大小，约数
F32: 14.5 GB
4-bit estimate: 1.8 GB

• License: Gemma
• Cost to run: 未提及，不过训练示例设置了 GPU 和 100000 步
• Data it reaches: 来自 Hugging Face 的数据集和文件，使用录制脚本时还有机器人及其摄像头
• Not for: 不微调就使用，也不适用于原始工作里的子任务预测、动作令牌化和强化学习部分

Hugging Face 上的数据（2026年11月13日）

• 任务：robotics
• 框架：lerobot
• 参数量：3.6B
• Weights: about 14.5 GB in F32; about 1.8 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：21,996
• 点赞：119
• 许可证：gemma
• 语言：en
• 基于：google/paligemma-3b-pt-224
• Quantized versions: 1
• Fine-tunes: 860
• 标签：lerobot, safetensors, vision-language-action, imitation-learning, robotics

链接

• 模型：https://huggingface.co/lerobot/pi05_base
• 文件：https://huggingface.co/lerobot/pi05_base/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download lerobot/pi05_base

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。