知识中等
π 系列论文的演进脉络是什么？各版本试图解决的核心问题分别是什么？
π0 确立 VLM+flow expert 架构解决高频灵巧控制 → π-FAST 用离散 token 加速训练 → π0.5 靠异构 co-training 与子任务规划解决开放世界泛化 → π*0.6 用 RECAP 从经验中后训练提可靠性 → π0.7 以可引导条件与世界模型子目标冲组合泛化，RLT 补上高效在线 RL。
标准答案
演进主线是逐层补短板：π0（2024.10）确立 PaliGemma + flow matching 动作专家架构，解决通用高频低层控制；π-FAST（2025.01）证明 DCT+BPE 离散 token 能把训练提速约 5 倍；π0.5（2025.04）用异构 co-training、子任务预测与两阶段训练解决开放世界泛化；π*0.6（2025.11）以 RECAP/RLPE 让模型从自身经验与人工纠正中后训练，解决真实场景可靠性；π0.7（2026.04）引入可引导多模态条件与世界模型子目标图像，冲击组合泛化；RLT（2026.04）用 RL token 让冻结 VLA 之上的在线 RL 样本高效。
深入理解
面试加分点是对每一步说出「解决了什么、放弃了什么」：FAST 训练快但牺牲连续表达；π0.5 泛化强但精度仍靠微调；RECAP 可靠但依赖回放分布；RLT 高效但只做先验附近的局部精修。把演进讲成「架构 → 数据 → 后训练 → 可引导」四个阶段最有结构感。