π₀（Pi0）是 Physical Intelligence 提出的 Vision-Language-Action（VLA）基础模型，用于联合处理视觉、语言和动作以控制机器人，也是后来支持 π₀.₅ 开放世界泛化的基础架构。该仓库提供 LeRobot 实现，并说明其遵循原始参考实现以保持兼容。模型定位为面向具体使用场景再微调的基座模型。

模型输入包括多视角图像、本体感知/状态，以及可选的语言指令；输出为连续动作，动作表示也是连续形式，训练目标为 flow matching。使用上可加载模型与数据集后调用 select_action 在真实 batch 上推理；训练或微调时通常调用 forward(...) 得到 loss 并反向传播，也可使用 lerobot-train 进行完整训练流程，并配置 chunk_size、n_action_steps、max_action_tokens、gradient_checkpointing 等策略参数。模型还可在 LIBERO 仿真环境中评估。