美國一家機器人初創企業 Physical Intelligence 宣稱，其最新 AI 模型 π0.7 可引導機器人執行從未訓練過的任務。該系統標誌著朝向通用機器人智能的早期一步，能透過日常語言指示處理陌生任務。位於 San Francisco 的這家公司表示，測試結果出乎意料。若獲證實，這暗示機器人 AI 或正接近轉捩點，能力進展快於預期。
π0.7 展現組合泛化能力
該模型被形容為通用機器人智能的初步但重要進展，能透過自然語言指導應對陌生任務。研究人員指出，它在泛化能力上明顯領先，能執行廣泛靈巧任務，表現媲美專用系統，同時處理訓練數據中未涵蓋的任務。實驗顯示早期組合泛化跡象，即模型重組不同任務習得技能解決新問題，例如使用陌生廚房電器，甚至讓新機器人摺疊衣物，而無相關訓練數據。這不同於傳統機器人訓練模式，後者需為每項任務蒐集數據並建獨立模型。
相較先前視覺-語言-動作系統難以新型組合技能，π0.7 可無需額外微調，即將既有能力應用於新情境，並更有效泛化至不同機器人、環境與任務。這顯示從任務特定訓練轉向靈活通用系統，模型學習跨領域重用與重組知識，能力擴展更有效率。 π0.7 的廣泛泛化源於獨特訓練與提示方式。模型非依賴單一數據源，而是融合多機器人平台、人類示範及自主蒐集片段。系統以豐富多模態提示訓練，不只定義任務，還包含執行細節，如文字指示、視覺子目標（指定物件排列）及任務時長參數。
此脈絡助模型解讀多樣行為與策略，提升知識應用靈活性。 推理階段，模型遵循標準語言指示，同時融入策略建議或生成視覺目標，實時適應無需重訓。測試中，它能結合有限先例與廣泛知識推斷陌生物件用法。僅少量指導即可嘗試新任務，結構化步驟指示則大幅提升表現。此方法強調互動學習，人類回饋與提示設計至關重要。但系統仍需詳細指導處理多步驟任務，無法單指令自主執行複雜任務。研究人員亦指缺乏標準基準，難獨立驗證。
這些發現屬早期階段，指向更適應性機器人系統，能超越原始訓練範圍。
