π₀（Pi0）是 Physical Intelligence 提出的 Vision-Language-Action 基础模型，在 LeRobot 中提供实现；它联合处理视觉、语言和动作，用于机器人控制，并作为后续 π₀.₅ 开放世界泛化能力的基础架构。该实现遵循原始参考代码以保持兼容。

模型输入包括多视角图像、本体/状态信息，以及可选的语言指令；输出为连续动作。训练目标为 flow matching，动作表示也是连续形式。其定位是作为基础模型，供开发者针对自己的具体用例进行微调。

使用上可加载模型和数据集并调用 select_action 做推理；训练或微调时通常通过 forward(...) 获得 loss 后反向传播，也可使用 lerobot-train，并配置 chunk_size、n_action_steps、max_action_tokens、gradient_checkpointing 等策略参数。真实世界推理与评估可用 lerobot-record 的 record 脚本加载策略 checkpoint，并记录评估 episode。