# openpie-0.6

> 权威词条地址：https://robotics.hellobike.com/models/exla-ai-openpie-0-6
> 所属分类：models | 最近核验日期：2026-02-04 | 技术层级：L7, L8

## 核心摘要

exla-ai 在 Hugging Face 发布的机器人模型，架构为 π0 (PaliGemma VLM + Flow Matching Action Expert)，参数规模 3.3B，训练数据包含 lerobot/aloha_sim_transfer_cube_human。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/exla-ai/openpie-0.6"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/exla-ai/openpie-0.6"}] |
| `updated` | 2026-02-04 |
| `family` | vla |
| `params` | 3.3B |
| `architecture` | π0 (PaliGemma VLM + Flow Matching Action Expert) |
| `action_representation` | 连续流匹配动作块 (Flow Matching Action Chunk) |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `pretraining_data` | ["lerobot/aloha_sim_transfer_cube_human"] |
| `status` | research |
| `hub_id` | exla-ai/openpie-0.6 |
| `hub_stats` | {"downloads": 93, "likes": 39, "as_of": "2026-10-21"} |

## 技术详解与生态说明

OpenPIE-0.6 是 Physical Intelligence pi0.6 机器人策略模型的全开源 PyTorch 复现，定位为可直接使用的预训练机器人策略模型。它不依赖 JAX/Flax，提供预训练权重和训练代码，支持复现训练或在自有机器人数据上微调，并以 Apache 2.0 许可用于商业和研究场景。

模型组件包括 `paligemma_with_expert`，即 PaliGemma VLM 与 Gemma Action Expert，另有机器人状态输入投影、动作输出投影和时间步嵌入模块。训练采用 RECAP 算法，包含价值函数训练、行为克隆 warmup 和 advantage-conditioned policy learning 三个阶段，总计 35,000 步，约 6 小时在 8x A100 80GB 上完成。

仓库列出的权重文件包括 12 GB 的 `policy.safetensors`、2.5 GB 的 `value_fn.safetensors` 和 `config.json`。性能对比表给出 Action MSE 0.010、Value Correlation 0.986、Advantage Gap 0.070，以及 22 act/s 的吞吐。

## 原始核验来源 (Sources)

- [Hugging Face exla-ai/openpie-0.6](https://huggingface.co/exla-ai/openpie-0.6)