Pi 的开源模型研究，机器人的江湖、族谱与主角
为什么这期值得读
一个"看起来乖实则叛逆"的研究者
柯立一鸣（朋友叫她 K）是 Physical Intelligence（简称 Pi）的强化学习方向研究员。Pi 是一家专注研究"机器人大脑"的硅谷明星创业公司，成立仅两年投后估值已超 50 亿美元，部分业界人士期望它成为"机器人领域的 OpenAI"。
K 的成长路径并不是标准模板。她出生在安徽芜湖，八岁时因为觉得"可以玩电脑了"而参加了当地的信息学竞赛班。芜湖有一位绰号"江涛老师"的传奇人物——他因事故失去双手后回到家乡投身计算机教育，为这座城市建立了系统的竞赛培养梯队。K 从未与他真正面对面交流过，却从这套体系中深深受益。
竞赛班给了她编程基础，但她从来不是那种"卷"的学生——"我喜欢的事情就多学，不喜欢的事情就少学"，在同班同学面前，她自称是"不上不下的渣渣"。高一时，一款古龙风格的游戏《雨血》让她惊为天人，她追溯创始人的背景发现他清华毕业、耶鲁留学——于是，"那我也去留学吧"，一个偶然的决定改变了她的人生轨迹。
大学阶段，K 经历了三次专业转换：从心理学到经济学再到计算机科学。心理学"不够直接"——她有一种打破砂锅问到底的性格，心理学给不了她想要的直接答案。经济学教她理解世界，但不能帮她理解"在这个世界中想做些什么"。最终回到计算机，因为她找到了能让自己投入的事情：把别人做不到的事情做到，或者做得更好。
K 形容自己是一个"看起来乖但实则很叛逆"的人。高一开学第一天，因为妈妈给她剪了板寸头被同学嘲笑而哭着上学；小学毕业时已变成"学校里的大姐大"。高二那年，她独自背包去了东南亚——依然是板寸头，"把自己伪装成男生"以保护安全。"有的人觉得不安全就不去了，但自己想干的事情得找个方法把它实现。"
博士七年：从筷子机器人到强化学习
2017 年，K 进入华盛顿大学攻读博士，导师是 Sidd Srinivasa——一位 CMU 传统派出身的机器人学家。导师的培养方式是"全栈式"的：每个学生都要会造机器人、会做动力学分析、会路径规划、会控制，然后在整个链条上选一个方向深入。
但 K 在组里是个异类。当时整个实验室都在做传统路径规划和控制，只有她一个人在做机器学习。导师并不做机器学习，但他给了 K 一个开放的环境：既指出"你要去学习以前的人用更好的方法怎么解决的"，又让她保持独立的探索。
博二时，K 和导师打了一个赌。她说"用筷子能做 90% 的夹放问题"。导师是印度人，不会用筷子，于是说："搞一个这个，做出来就可以毕业了。"K 从实验室仓库里翻出别人不用的机械组件，自己组装了一台"筷子机器人"——即使硬件不准、关节有 backlash，她相信只要算法够聪明就能弥补。她说服导师的逻辑很巧妙："作为一个人，我可以通过遥操作让这台不准的机器夹起小球——如果算法和我一样聪明，它就应该能做到。"
第一版工作在 2018-2019 年完成：用模仿学习让机器人学会夹小球。但她不满意——"太累了，我们懒人不能做这种事情"。她要让机器人超越人类遥操作的表现，于是转向强化学习。最终版本的筷子机器人可以在空中夹住晃动的小球，精度超过了普通人的操作水平。
这个项目花了她七年。但 K 说自己"没有为了毕业很焦虑"——"上一个问题我学到了什么，下一个问题我想做什么，是一个很连贯很快乐的过程。"读博期间，她是一个超级夜猫子：中午开始干活，干到凌晨四五点，因为"可以免费停车"，然后去 24 小时炸鸡店吃两口。"想休息就可以休息，想干了就可以干。"
机器人江湖谱系：CMU 传统派与 Berkeley 机器学习派
K 从她的视角绘制了一幅机器人学术的"江湖谱系图"，核心是两大派别的百年传承。
CMU 传统派：从 1979 年开始的手艺
卡耐基梅隆大学机器人研究所成立于 1979-1981 年，至今四十多年。他们奠定了"看 + 动"的基本范式——让机器人通过感知去理解环境，然后做一个决策去执行。2000 年代初的自动驾驶 DARPA 挑战赛、后续的灾后救援机器人，都是这个传统的光辉时刻。
K 的师祖是 Matt Mason，一位至今仍在互联网上活跃的老学者。他最有名的一句话是："灵巧的关键不在于这个手本身，而在于大脑。"他认为，灵巧操作的能力来自大脑对动作的理解，而非手指或关节的复杂构造。这个思想深刻影响了整个操纵学派，也直接塑造了 K 的研究方向。
Mason 的学生 Sidd Srinivasa（K 的导师）专精路径规划和控制，另一个学生 Sangbae Kim 则转向了生物激励的机械狗——他后来成为 MIT Cheetah 的奠基人，可谓现代机械狗的祖师爷。同时代的 Marc Raibert 走了另一条路：他创办了波士顿动力，以极致的传统方法做出了世界上第一台能后空翻的机器人。Raibert 以花衬衫闻名——年轻时穿花衬衫参加学术会议被人批评"不尊重"，他从此索性把花衬衫推广为实验室"制服"，至今仍以白发花衬衫的形象活跃在行业里。
Berkeley 机器学习派：从 Andrew Ng 的网课开始
在 K 的学习年代，机器学习的人门教材是吴恩达（Andrew Ng）的在线课程。吴恩达的学生 Pieter Abbeel 是最早将机器学习引入机器人领域的先驱之一，而 Pieter 的学生 Sergey Levine 和 Chelsea Finn 则将强化学习在机器人中的应用发扬光大。
Sergey 和 Chelsea 后来共同创立了 Physical Intelligence。K 对他们有生动的描述：Sergey 是科幻小说重度迷——Pi 每篇论文开头的科幻引用都是他写的；他修改论文的能力在 ChatGPT 出现之前就被伯克利学生称为"SergeyGPT"——"又快又好，ChatGPT 现在也不能在论文修改方面和 SergeyGPT 相提并论"。Chelsea 则是一个每天四点起床游泳的人，"对自己的生活非常有规划"。她对机器人任务设计有"动物性直觉"——"有些任务看起来很难，但她说能做，因为她觉得能做"。
"黑猫白猫"的和解
K 虽然在传统派出身的导师手下读博，但她是坚定的机器学习信仰者。她用一个比喻概括自己的立场："黑猫白猫，抓到老鼠就是好猫。什么数据真的好用就相信谁。"
传统方法的优势是投入-产出线性、鲁棒性好——波士顿动力用大量工程师调试参数做出了后空翻，但每做一个新任务都需要同样的投入。机器学习方法则希望"让专家从系统中消失"——机器自己从数据中学，不需要理解每一步的原理。"优雅我们保障不了，但保障我们可以再多做一点研究。"
K 也坦诚地指出，即使在今天，机器学习在工厂级稳定性上仍然没有完全追上传统方法。"你用一个很大的机械臂把玻璃放到车上去——传统方法已经做得非常成熟，成功率、稳定性、速度都有保障。而机器学习在这个问题上，可能暂时还没有人敢说鲁棒性和传统一样好。直到今天，这都是一个研究的前沿性问题。"
但她相信这个问题的答案是肯定的。正如 Berkeley 教授 Jitendra 的那句名言——"机器人太重要了，我们不能只让搞机器人这帮人来搞，我们也得搞。"K 对此的解读是正面的：要把机器人搞出来，必须有不同行业的人群策群力——视觉的人、大语言模型的人、硬件的人、产业链的人，缺一不可。
Pi 的研究主线：能力 → 泛化 → 表现
要理解 Pi 在做什么，K 建议看它的三篇主线论文。每一篇对应一个需要回答的核心问题。
Pi0：能力的起点（2024年11月）
"2024 年初你跟别人说你要叠一件衣服，而且把它垒成一堆，而且衣服是你很难控制的东西——别人觉得你在开玩笑。"
Pi0 用三个任务证明了大模型的能力边界：叠衣服（柔性物体操作的极限测试）、叠箱子（"这东西真能做吗？"的验证）、桌面清理（用几百种不同道具测试物体层面的泛化性）。每个任务探索的泛化维度不同——衣服的状态千变万化（多一个褶就是新状态），箱子的形状各异，桌面上的物品种类几乎无穷。
K 自己也参与了桌面清理任务的策略设计。她坦言自己不怎么会叠衣服——"所以我反而可以从纯粹的机器人任务角度来设计评估标准"。
Pi0.5：走出实验室（2025年）
Pi0 证明了"在实验室里能做"，下一个问题是：出了实验室还行不行？
Pi0.5 的设计非常直接：团队在约 100 个 Airbnb 里采集了日常任务数据——杂乱无章的厨房、不同高度的桌子、千奇百怪的背景和光照。他们想知道：到底需要收多少个家，才能在下一个新家里跑起来？
答案是令人振奋的：泛化能力的提升曲线在放缓。100 个家比 10 个家好很多，但 1000 个家相比 100 个家可能没有太大提升。这意味着——不需要在世界上所有人的家里都收数据，有一个"足够"的数字就够了。
中间还有两篇关键基础研究为 Pi0.5 铺路。FAST 研究了"动作的表达空间"——有没有一种优化的"语言"来描述动作？Hi Robot 则引入了分层策略——在长达 10 分钟的任务中，高层将语言指令转换为子任务，低层负责具体执行，避免模型"迷失"。
Pi0.6★：表现的飞跃（2025-2026年）
这是 K 参与度最高的项目，也是 Pi 强化学习团队的处女作。
"如果做什么都可以但什么都是半吊子，这个模型的用处究竟是什么？"Pi0.6★ 的核心目标是回答这个问题。它引入了 throughput（固定时间内的成功量）作为核心指标——又快又好才算好。
方法论出奇地简洁：如果智能体差不多能在一个任务上做好，就让它自己去收集"体验数据"，把这些数据放回训练池。这就是强化学习的本质——起点是人设定的（通过遥操作提供模仿数据），但要超越起点，必须在真实环境中自己跑、自己学。
结果令人震撼：在叠衣服任务上，Pi0.6★ 的表现清晰地超越了最好的数据收集员。"最后这个机器人的表现是超越了它一开始的人，即使是最好的数据收集员的起点。"
K 对这个结果非常 bullish："将来机器人的价格应该又便宜又方便。你可以让机器人在部署过程中收到数据都拿来为我所用——很多人现在对数据收集的担忧，在时间的长河里其实都不重要。"
强化学习的四个本质问题
K 从教科书上的巴甫洛夫的狗讲到 Pi0.6★ 的实际实现，拆解了强化学习的四大核心模块。
探索：想做更好的事，必须做以前没做的事。问题是怎么选一个更有可能成功的新动作去尝试？探索可大可小——肌肉往左移一点让网球打得更好（小探索），换一个全新的研究方向（大探索）。"现在大模型还不具备主动探索能力"，但这是通向通用智能体的必由之路。
归因：机器人做了一系列动作后成功了，但到底是哪一步做对了？"就像训练宠物——它做了一串动作你给了奖励，它需要知道到底哪个动作带来了奖励。"Pi0.6★ 的算法能从大量部署数据中找到"精华"——这条数据里其他地方都是垃圾，但这一步是关键。
奖励函数：K 认为"奖励函数设计"的本质不是在写一个函数，而是在"向智能体传达你让它做什么"。奖励函数可能沦为一个有 bug 的实现——比如强化学习在打超级马里奥时发现了一个漏洞，疯狂利用它来刷分，但完全不是人类想要的行为。在 NLP 中，这个问题通过"可验证的任务"来规避——代码能不能跑，答案是确定的。但机器人叠衣服叠得好不好？K 自己都不怎么会叠衣服，每个人都可能有不同的判断标准。
问题定义：如何用一句话或一个信号让机器人理解你想要什么？在 NLP 中，"写一个能跑的代码"定义了任务。在机器人中，VLA 模型只是开了一个头——"叠衣服"可以用千千万万不同的方式叠，怎么确切地传达你的意图，还没有被解决。
真机数据 vs 仿真数据：一场关于信仰的辩论
关于机器人应该用什么数据来训练，硅谷内部并没有共识。
K 是真机数据的坚定信仰者。"你都已经部署了，可以收真机数据了，那为什么不用？"她认为仿真数据有根本性的局限——叠衣服的仿真器本身还是一个"半前沿问题"，柔性、摩擦力、粘性等物理特性目前没有人能在仿真中准确复现。你有 1000 万小时的仿真数据，但如果都是垃圾，那就没有任何用处。
但她不是教条主义者。"黑猫白猫，抓到老鼠就是好猫。你真的能收到什么样的数据，就去想什么样的策略。"她承认真机数据当前确实贵——硬件平台、维护、雇人远程操作、管理——但认为成本可以通过让训练好的模型自己跑、自己采集数据来大幅降低。这就是 Pi0.6★ 所验证的"体验数据"路径。
她也指出，什么算"好数据"是一个多维度的问题：任务的意义（在空中挥手 vs 跳舞）、动作的质量（奥林匹克级别的精准 vs 晃晃悠悠）、覆盖的广度（多少种场景、光照、背景）、以及数据的标签标注。Chelsea 对"什么数据值得收集"有极强的直觉判断——这也是 Pi 数据策略的一个重要组成部分。
通用大脑 ≠ 人形大脑
当被问及"既然要做通用大脑，为什么不选择人形——这个看起来最通用的构型"，K 的回答斩钉截铁。
"确实我们不做人形。因为他要说做人形我就不来了你知道吧。"她解释，这不是因为人形不值得研究，而是因为她的研究重心是"做好任务"。如果公司做的是人形，研究重心可能偏移到"如何做好人形机器人"上——这和她想做的事情不同。
K 用了一个有力的论证：人用同一个大脑开车、开挖掘机、踢球——这才叫通用大脑。"通用"不是"在一个具体构型上做到通用功能"，而是"做得很多构型都可以受益的大脑"。如果你用简单的双臂构型做好了复杂的任务，将来迁移到人形反而更容易——因为复杂构型的灵活度更高，但控制更难。你的算法先攻克了"难的任务"，再去适配"难的构型"，逻辑上是通顺的。
K 将自己定位为"实用派加狂野派"。实用在于：不需要人形就能做很多事——叠衣服、做咖啡都已经被证明。狂野在于：自然界演化不出来的形态可能才最适合机器人。轮子不是自然界产生的，但整个现代文明都围绕着轮子构建——"如果真的是一个有用的形态，大家将来会为了这个形态去改变你所生存的环境。"她也憧憬机器人的动态组装性——"手坏了就换，随时随地可以把自己的部件换成一个更适合的东西，像换工具一样。"
中美机器人：硬件供应链是中国的王牌
谈到中美机器人产业对比，K 给出了非常坦率的判断。
"很难想象有一家机器人公司组装好一台机器人，这里面没有一个零件是中国的，我觉得是不太可能。"她认为中国的产业链制造业优势"实在是太大了"，而且"到现在我都不知道美国人要是追的话该怎么追"。
春晚宇树机器人的表演让 Pi 的公司群里都在讨论"他们是怎么做到的"。最近的读书会上，K 甚至想请中国机器人领域的专家朋友来给大家讲一讲。虽然 Pi 不怎么做人形也不怎么做 locomotion，但所有人都关注——"这是一个不可忽视的部分。"
在商业模式和策略上，中美存在明显差异。Pi 受到创始人导师 Peter Abbeel 的前一家创业公司 Covariant 的教训影响：Covariant 在某个时间节点深耕物流仓储，回头来看，过早的商业化导致通用泛化能力的研究被分心——"没有真的去追溯本源的问题"。因此 Pi 的策略是：先纯粹地把研究做到最好，商业化可以后面再想。而中国的机器人公司"更强调实用主义和商业回本"。这两种策略各有所长，目前还无法判断谁会在长跑中获胜。
如果机器人实现了：回家写小说
采访接近尾声时，小峻问了一个轻松的问题："当机器人有一天实现了，你准备去干嘛？"
K 的回答毫不犹豫："写小说吧，回家写小说。做一个游戏，创造一个非常贴合我喜好的故事，把它分享给别人看，看看有没有其他人喜欢这个东西。"她半开玩笑地补了一句："诺贝尔文学奖，冲击一下。"
K 偷偷写网文已经很久了——但她拒绝透露自己的笔名。"救命，要马甲，马甲保护好。"她在科幻小说中最痴迷两个命题：生产力变化后人们的生活怎么改变，以及在完全不同的未来社会里人与人之间的关系怎么样。第一个命题和她的工作直接相关——"人做的事情被自动化以后，人去做什么，这是我每天都会想的命题。"第二个命题则来自她的信念——"有一些人性之类的东西，即使是在生产力大幅度变化的未来科技社会也会流传下去。"
她在工作和创作之间找到了一个精妙的平衡。"工作中没有什么人文的存在——每天讲的是非常物理化、科味化的东西。但和搞人文的朋友聊天时，他们也会好奇机器人的进展。我也会想——是不是有一天，我们创造的智能体能够进行某种意义上超越创作者自己的创作？"她笑着补了一个脑洞："也许它会搞一个二维码，每个机器人都觉得这个二维码美极了，而你在这里看了以后有一种不明所以的感觉。"
她还提出了一个有趣的命题："是不是偷懒就是人类文明的一个本质追求？提升生产力和偷懒是一个东西。"这个暴论实际上贯穿了她的整个职业生涯——从博士时期不想遥操作所以转强化学习，到现在不想跟人沟通所以先问 Claude Code。她是一个用行动践行自己哲学的人。
贪心算法 vs 动态规划：硅谷式人生的反思
访谈中最深刻的时刻出现在 K 谈到自己的人生哲学时。
"小时候搞竞赛，会学到贪心算法和动态规划算法。贪心算法是每一步都做最优化的决策，做当下的最好。动态规划告诉你——如果有一些全局视角，每一步都做最好的决策，并不能让你达到全局的最优解。"
这不仅仅是算法的区别，更是两种人生策略的根本分歧。硅谷到处是"贪心算法"式的人生——每一步都要最优化，每一次选择都要当下最好。但 K 选择了一种更像"动态规划"的路径：她从来没有把事情做到最后——换了三次专业、读了七年博士、从教职转身加入创业公司、高二跑去东南亚背包——之前那么多的"没有做到最后"才让她走到了今天。
"也许机器人是我第一次觉得我们得把这个事情做到最后。"
她推荐的人生之书是法国社会学家布迪厄的《Distinction》（《区隔》）——一本关于社会阶层如何塑造人的品味和喜好的经典。"通过看这本书，让我对于我喜好的东西有多少是自己喜欢、有多少是社会的塑造的喜欢，产生了更多的认知。"
在 K 看来，硅谷崇尚的是一种"对生产力的崇拜"。我们已经放弃了对着装、品味的讲究——讲究的是效率、精简、创造。"这何尝不是这个社会价值观的一部分？"她在工作中狂热追求生产力优化，但她的人文一面让她知道，这只是一个"变化中的缩影"。旧时代贵族追求骑马打球是"更高贵"，硅谷追求的是更快、更高效——两者在本质上都是社会建构的品味。
机器人的自我繁殖：一个研究员的终极梦想
K 最大的科研梦想，不是做出一个会叠衣服的机器人，而是让机器人能够制造机器人。"我其实一直很想做的就是，机器人可以造自己。我觉得这个是机器人发展的一个里程碑——它就像一个种族，是有延续性的，可以通过自我的一种繁殖。"
她申请教职时的研究计划就是这个主题。"我是非常想做这件事情的。"
这个想法在 Pi 已经有了一个微缩版的现实困境：公司里的机器人不断被修理和更换零件，从头到脚都换了一遍。它还是原来那个机器人吗？K 把它叫作"特修斯之船的机器人版"——"它和原来那个机器人的唯一联系就是编号一样，但里面全换了。我们在说要不要给它起一个新的名字。"
她不相信机器人会产生人类那样的意识——"从物理和化学中突然就诞生了意识？真的有可能吗？"但她有一个浪漫的想法："虽然我们的生命很短暂，只有一百年，放在宇宙历史上微小到不值得一提，但是不是有可能造出一个东西，它可以看到宇宙的尽头？"