π*0.6：从经验中学习的 VLA

机器人基础模型这几年主要靠大规模演示数据训练：人遥操作或脚本采集一批轨迹，模型学会模仿，然后部署。这套流程是当前 VLA 的主要训练方式之一，但模型上线之后往往基本定型，遇到新情况只能靠人再采数据、再训练。π*0.6 这份报告要回答的，正是能不能打破这个循环：让 VLA（vision-language-action）模型通过强化学习，从自己执行任务的经验里继续提升，而不是永远停在演示数据的水平。对做机器人学习的人来说，这个问题现在值得看，因为它关系到 VLA 从「会做」走向「越做越好」的路径是否成立；这是解读，标题里的「从经验中学习」指向的是部署后的持续改进。

从材料能确认的范围看，这是一份由 Physical Intelligence 发布的官方报告，主题集中在用强化学习训练 VLA。摘要没有展开具体任务、数据规模和实验设置，所以能确定的只有方法路线：以模型自身的交互经验为学习信号，用强化学习去更新策略。换句话说，它讨论的重点不是把演示数据做得更大，而是让模型从尝试和结果中学习。这类工作通常涉及奖励设计、经验采集和策略更新几个环节，但报告具体怎么取舍，材料没有给出，需要回到原文核对。

把「从经验中学习」单独提出来，意义在于它改变了数据来源。模仿学习的数据由人提供，质量上限取决于演示者；强化学习的数据由模型自己产生，好坏由结果信号判定。这意味着模型的改进可以不完全依赖新增人工演示，而依赖可重复的尝试和评估。对 VLA 这种把视觉、语言指令映射到动作的模型来说，这条路径的吸引力很直接：语言指令的组合空间很大，人工演示很难覆盖。但吸引力不等于可行性，难点仍然存在。

难点在于，VLA 通常参数量大、输出是连续动作，强化学习所需的探索和 credit assignment 都不便宜。报告要把强化学习用在 VLA 上，就必须回答经验怎么采、奖励怎么给、更新怎么稳住这几个问题。材料没有披露它的答案，所以读者不应把标题当成已验证的结论。可以确定的是，Physical Intelligence 选择把「从经验中学习」作为 π*0.6 的主线，这本身是一个路线判断。至于这个判断在多少任务、多大范围内成立，材料没有提供可核验的数字。

如果这条路走通，实践上的影响会落在部署环节。团队不只需要准备训练数据和推理服务，还需要一条能持续产生经验、评估结果并回流到模型的闭环；奖励或成功判定会成为和模型本身同等重要的基础设施。换句话说，VLA 的竞争力可能从「预训练数据有多好」部分转向「上线后学得有多快」。这是基于标题的解读，不是报告给出的实测结论，但它是这份资料值得现在翻看的主要原因。

这份资料适合做机器人学习、VLA 和强化学习交叉方向的同行读，尤其是已经在跑真机部署、关心数据闭环的人。读完能拿走的，是 Physical Intelligence 对「VLA 如何从经验中提升」这一问题的框架和路线选择，而不是一组可以直接复现的超参数。边界也要说清楚：材料只提供了标题、发布机构和一句摘要，报告内部的任务设置、实验规模和定量结果都未在材料中出现；把它当作方向性参考可以，当作已验证的通用结论则超出了材料能支撑的范围。