Physical Intelligence 实测：零样本 LLM Fable 对比微调 π0.5
SE3 Labs 的 paigeinsf 在真实机器人上系统性对比了零样本 LLM 驱动的 Fable 5.2 与经过微调的 VLA 模型 π0.5，结果显示在 LLM 擅长的记忆与长程任务上零样本模型明显领先，并在澄清帖中明确了实验结论的边界，同时开源了实验数据集。
已确认
- 实验设置：每个任务跑 10 个 episode，按里程碑计分，部分进展也算分；π0.5 使用 500 条遥操作演示微调（数据集 se3labs/real-robodojo-tel…，已开源）。
- 记忆与长程任务（积木藏在相同杯子下、需按顺序揭开）：Fable 平均 64 分 vs π0.5 的 7 分。
- 精细操作任务 Fable 胜出：插充电器 37 比 9，插管 26 比 14.5，但绝对分数都不高。
- 装箱任务是例外：微调的 π0.5 得 51 分（每轮稳定在 45-60），零样本 Fable 波动极大（5-1…）。
实验结论的边界（作者澄清）
- π0.5 需要该工位的数据才能运行，其分数反映的是收集到的 500 条演示；更多针对性数据可能推高其分数。
- π0.5 是较旧的开放权重模型，更新的 π 系列可能更强。
为什么重要
- 这是少见的「零样本 LLM 驱动机器人 vs 微调 VLA」的真实硬件对照实验，而非仿真结果，且数据与设置开源，便于复现。
- 结果显示 LLM 的记忆与长程推理能力可转化为机器人任务优势，挑战了「必须针对工位微调」的常见假设；但精细任务绝对分仍低，距离实用尚有差距。
2026-11-12 ~ 2026-11-12 · 5 条相关
一手来源
- 零样本 LLM Fable 跑赢微调 VLA：记忆任务 64 分 vs 7 分 — paigeinsf ·
- Physical Intelligence 拆解 Fable vs π0.5：零样本 LLM 已胜微调 VLA — paigeinsf ·
- SE3 Labs 开源 RoboDojo 500 条双臂遥操作演示数据集 — paigeinsf ·
- 【源头】零样本 LLM Fable 跑赢微调 VLA：记忆任务 64 分 vs 7 分 — paigeinsf · 2026-11-12
- 真实机器人实测:微调 π0.5 装箱 51 分,零样本 Fable 记忆任务碾压 — paigeinsf · 2026-11-12
- 语言模型驱动机械臂 vs π0.5 实测：插充电器 37 比 9 胜出 — paigeinsf · 2026-11-12
- 【源头】Physical Intelligence 拆解 Fable vs π0.5：零样本 LLM 已胜微调 VLA — paigeinsf · 2026-11-12
- 【源头】SE3 Labs 开源 RoboDojo 500 条双臂遥操作演示数据集 — paigeinsf · 2026-11-12