Repolode
Предложить
Physical-Intelligence

Physical-Intelligence/openpi

Открытые VLA-модели для робототехники от Physical Intelligence: предобученные чекпойнты и примеры дообучения.

Открыть на GitHub
Звёзды
14,311
Форки
2,571
Открытые issues
363
Последний коммит
2 месяца назад

Что это?

openpi — репозиторий открытых моделей и пакетов для робототехники, опубликованный командой Physical Intelligence. В нём представлены три семейства VLA-моделей: π₀ — модель на основе flow matching; π₀-FAST — авторегрессионная модель на базе токенизатора действий FAST; и π₀.₅ — улучшенная версия π₀ с лучшей генерализацией в открытом мире. Доступны базовые чекпойнты, предобученные более чем на 10 тыс. часов данных с роботов, а также дообученные чекпойнты для платформ, таких как DROID и ALOHA.

Репозиторий охватывает инференс и дообучение. Чекпойнт можно запустить всего несколькими строками Python, развернуть политику для удалённого инференса через websocket или дообучить её на собственных данных, предварительно преобразовав их в формат датасета LeRobot. Исходная реализация написана на JAX; также включена реализация π₀ и π₀.₅ на PyTorch, но в ней пока не поддерживаются некоторые возможности, например π₀-FAST и обучение с LoRA.

Требования к оборудованию указаны для разных режимов: для инференса нужно более 8 ГБ видеопамяти, для дообучения с LoRA — более 22,5 ГБ, а для полного дообучения — более 70 ГБ. Проект протестирован только на Ubuntu 22.04.

Ключевые возможности

  • 01Три семейства VLA-моделей: π₀, π₀-FAST и π₀.₅
  • 02Базовые чекпойнты, предобученные более чем на 10 тыс. часов данных с роботов
  • 03Дообученные чекпойнты для платформ DROID и ALOHA
  • 04Развёртывание политики для удалённого инференса через websocket
  • 05Реализации π₀ и π₀.₅ на JAX и PyTorch

Сценарии использования

  • Запуск предобученных политик управления роботами на оборудовании DROID или ALOHA
  • Дообучение базовой VLA-модели на собственном датасете робота
  • Перенос инференса политики на удалённый GPU-сервер

Быстрый старт

  1. 1

    Клонируйте репозиторий вместе с подмодулями

    git clone --recurse-submodules git@github.com:Physical-Intelligence/openpi.git
  2. 2

    Установите uv, затем настройте среду Python

    GIT_LFS_SKIP_SMUDGE=1 uv sync
  3. 3

    Установите пакет openpi в editable-режиме

    GIT_LFS_SKIP_SMUDGE=1 uv pip install -e .
  4. 4

    Запустите инференс с предварительно обученным чекпойнтом, используя пример на Python из README (требуется GPU NVIDIA)

Что важно знать

  • Требуется GPU NVIDIA; для инференса нужно более 8 ГБ памяти.
  • Официальное тестирование проводилось только на Ubuntu 22.04; другие операционные системы не поддерживаются.
  • Модели π₀ разрабатывались для роботов самих авторов и могут не работать на вашей платформе.

Темы

#robotics#vision-language-action#imitation-learning#jax#pytorch#fine-tuning

Частые вопросы

Что такое openpi?
Открытые VLA-модели для робототехники от Physical Intelligence: предобученные чекпойнты и примеры дообучения. openpi — репозиторий открытых моделей и пакетов для робототехники, опубликованный командой Physical Intelligence. В нём представлены три семейства VLA-моделей: π₀ — модель на основе flow matching; π₀-FAST — авторегрессионная модель на базе токенизатора действий FAST; и π₀.₅ — улучшенная версия π₀ с лучшей генерализацией в открытом мире. Доступны базовые чекпойнты, предобученные более чем на 10 тыс. часов данных с роботов, а также дообученные чекпойнты для платформ, таких как DROID и ALOHA.
openpi можно использовать бесплатно? Какая у него лицензия?
openpi распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
openpi всё ещё поддерживается?
Обновлялся за последние 6 месяцев. Последний коммит в openpi — 24 авг. 2026 г..
Для чего можно использовать openpi?
Запуск предобученных политик управления роботами на оборудовании DROID или ALOHA Дообучение базовой VLA-модели на собственном датасете робота Перенос инференса политики на удалённый GPU-сервер
Как установить openpi?
Клонируйте репозиторий вместе с подмодулями: git clone --recurse-submodules git@github.com:Physical-Intelligence/openpi.git Установите uv, затем настройте среду Python: GIT_LFS_SKIP_SMUDGE=1 uv sync Установите пакет openpi в editable-режиме: GIT_LFS_SKIP_SMUDGE=1 uv pip install -e . Запустите инференс с предварительно обученным чекпойнтом, используя пример на Python из README (требуется GPU NVIDIA)
Где скачать openpi?
Исходный код и инструкции по установке — на GitHub: https://github.com/Physical-Intelligence/openpi

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты