外观
pi05_unitree_g1
xiaopeng-wu 在 Hugging Face 发布的机器人模型,架构为 π0.5 (PaliGemma VLM + Flow Matching Action Expert),参数规模 4.1B,训练数据包含 nepyope/unitree_box_move_blue_full。
模型xiaopeng-wupi05_unitree_g1
模型档案汇总架构、许可、适配机型与资料来源
xiaopeng-wu 在 Hugging Face 发布的机器人模型,架构为 π0.5 (PaliGemma VLM + Flow Matching Action Expert),参数规模 4.1B,训练数据包含 nepyope/unitree_box_move_blue_full。
这个模型的核心架构、动作空间设计与真机部署定位。
π₀.₅(Pi05)Policy 是 Physical Intelligence 推出的视觉-语言-动作模型,目标是面向机器人的开放世界泛化。它被描述为相较 π₀ 的重要演进,设计意图是在训练中未见过的全新环境和情境中泛化,而不仅限于受控环境中的任务执行。
该策略的 LeRobot 实现改编自 Physical Intelligence 开源的 OpenPI 仓库,并已使用 LeRobot 训练后推送到 Hub。使用方式包括从头训练并将 checkpoint 写入 outputs/train/ /checkpoints/,以及通过为数据集仓库添加 eval_ 前缀、用 --policy.path 指向本地或 Hub checkpoint 来进行推理或评估;许可为 apache-2.0。
参数量、网络主干、控制频率、显存需求及 Hugging Face Hub 统计。
暂未公开或待收录:微调显存需求 · 闭环控制频率
开源许可证、权重拉取命令、预训练数据集与关联文章。
代码许可证
apache-2.0
权重许可证
apache-2.0
# 1. 从 Hugging Face 下载 π0 / π0.5 策略权重
huggingface-cli download xiaopeng-wu/pi05_unitree_g1 --local-dir ./checkpoints/xiaopeng-wu-pi05-unitree-g1
# 2. 通过 LeRobot 或 OpenPI 推理服务加载 50Hz 动作块
python -m lerobot.scripts.eval --policy.path=xiaopeng-wu/pi05_unitree_g1 --env.type=aloha预训练与微调基准数据集:nepyope/unitree_box_move_blue_full
模型卡或论文声明在这些机器人上训练、微调或部署过;口径是作者声明,不是第三方复现。
| 适配机型 | 实测说明与帧率表现 | 记录日期 |
|---|---|---|
| 宇树 G1 | 模型 pi05_unitree_g1(架构:π0.5 (PaliGemma VLM + Flow Matching Action Expert),输出:连续流匹配动作块 (Flow Matching Action Chunk))基于 宇树 G1 相关轨迹或任务环境训练/微调,可通过 Hugging Face 权重直接部署验证。 | 2026-04-04 |
同一家族里的热门模型。
本页事实对应的公开页面,以原文为准。