StanfordAILab 转发预告，pi0.7 机器人基础模型明日在 CoRL 以口头报告形式亮相

斯坦福 AI 实验室 StanfordAILab 转发研究预告消息，pi0.7（π0.7）通用机器人基础模型，将在明日的 CoRL（机器人学习会议）上以 Oral 口头报告的形式进行正式展示，除了口头汇报之外，同日下午还配套海报展示环节，pi0.7 属于 Physical Intelligence 团队开发的 VLA 视觉语言动作机器人模型，在 CoRL 会议里 Oral 是含金量很高的录用形式，只有少数论文能够入选，代表这项研究得到会议评审高度认可。机器人学习方向里，通用具身模型想要在陌生环境、不同机器人硬件上完成零样本任务一直是难点，pi0.7 主打可引导式通用机器人策略，依靠多模态提示调控模型行为，能够复用互联网数据、机器人演示数据训练，不用针对每一个任务单独微调，所以团队选择在 CoRL 上完整公开技术细节与实测效果。整套展示流程分为上午的 Oral 口头汇报，一般是 8 分钟讲解 + 2 分钟问答，研究者介绍模型架构、训练方案、跨机器人平台测试结果；下午进入海报环节，参会学者可以近距离和团队交流、查看实验视频与数据。这次亮相也延续该团队 pi0.5、pi0.6 系列 VLA 模型的迭代路线，进一步验证流匹配动作输出、MEM 记忆模块在通用机器人上的落地潜力。

基础信息清单

• 模型名称：pi0.7（π0.7），Steerable Generalist Robotic Foundation Model
• 展示会议：CoRL 2026（Conference on Robot Learning，机器人学习会议）
• 展示形式：Oral 口头报告 + Poster 海报展示
• 归属团队：Physical Intelligence，相关研究和斯坦福 AI 实验室合作
• 模型规模：总参数量约 5B，4B Gemma3 VLM 主干 + 860M 流匹配动作专家
• 核心能力：跨硬件零样本泛化、多模态提示引导、开放场景长流程操控
• 前身版本：pi0.5、pi0.6 系列 VLA 机器人模型

pi0.7 和前代版本对比表

CoRL 会议展示形式说明

1. Oral 口头报告：CoRL 高等级录用，名额很少，8 分钟讲解 + 2 分钟现场问答，面向全体分会场听众
2. Poster 海报环节：Oral 论文同步安排海报，适合深度一对一讨论，查看 demo、实验细节
3. Spotlight 短报告：1 分钟快速简介，用来引流到海报，本次 pi0.7 不采用该形式

pi0.7 核心技术亮点

1. 可引导调控：不只是语言指令，还支持子目标图、性能元信息等多模态提示，控制任务执行方式
2. 跨机器人泛化：在双臂移动机械臂、UR5e、BiPi 等多种不同硬件上直接部署，不用重新训练
3. 原始数据兼容：训练数据包含机器人演示、失败轨迹、互联网非机器人视频，数据来源更广
4. 零样本实操：开箱完成叠衣服、操作咖啡机、厨房多步骤任务，效果接近专门强化学习微调模型

【相关 FAQ】

问题 1：StanfordAILab 转发预告的 pi0.7，以 Oral 形式亮相 CoRL，Oral 是什么意思？

回答 1：StanfordAILab 转发预告 pi0.7 将以 Oral 形式亮相 CoRL，Oral 就是口头报告，是 CoRL 含金量较高的展示类型，包含固定时长的演讲和问答环节，只有少量论文可以入选。

问题 2：pi0.7 在 CoRL 亮相，pi0.7 这个模型是做什么的？

回答 2：pi0.7 是 Physical Intelligence 推出的通用机器人基础模型，属于视觉语言动作 VLA 模型，支持多模态提示引导，能够在多种机器人硬件上零样本完成各类实操任务。

问题 3：pi0.7 在 CoRL 除了 Oral 口头报告之外，还有别的展示环节吗？

回答 3：pi0.7 本次在 CoRL 除了 Oral 口头报告，同一天还安排了 Poster 海报展示，方便其他研究者和开发团队深入交流实验细节。

问题 4：pi0.7 和之前 pi0.5、pi0.6 相比，主要升级点在哪里？

回答 4：pi0.7 相比 pi0.5、pi0.6，新增多模态上下文调控机制，升级 MEM 记忆模块，能使用更多类型的训练数据，跨机器人硬件的泛化能力更强，也拿到了 CoRL Oral 收录资格。

【参考资料】

[2026-11-09]（StanfordAILab 转发：pi0.7 将于明日以 Oral 形式亮相 CoRL）InfoQ

[2026-04-24]（π0.7: a Steerable Generalist Robotic Foundation Model with Emergent Capabilities）arXiv

[2026-11-09]（CoRL 2026 oral presentation guide）CoRL 官网

【免责声明】

本文信息基于 StanfordAILab 转发预告、arXiv 公开论文、CoRL 会议展示规则整理，pi0.7 在 CoRL 口头报告的现场内容、演示效果以会议现场发布为准，论文结论后续有可能迭代修正，本文不构成技术落地、项目投资建议。