---
title: "π0.5を個人で追加学習して動かす手順 ― Physical Intelligence のVLAを mechArm 270 で試した費用と結果"
slug: pi05-mecharm-270
published: 2026-11-15
updated: 2026-11-15
meta_description: "Physical Intelligence が公開したロボット基盤モデル（VLA）π0.5 を、個人が小型ロボットアーム mechArm 270 で追加学習（LoRA）して動かす手順。借りたGPU（Runpod の A40）で3,000ステップ6.2時間・約579円、実機の成功率は59.8%（55/92）。使った版・つまずき・ログにない情報もまとめた。"
tags: [π0.5, π0, Physical Intelligence, VLA, ロボット基盤モデル, フィジカルAI 個人, LoRA, 追加学習, openpi, mechArm 270, Runpod]
thumb: /site/guides/pi05-mecharm-270.webp
---

**Physical Intelligence の π0.5 は、GPU を持っていない個人でも、借りた GPU で追加学習して自分のロボットアームで動かせる。** 小型アーム mechArm 270 で、ブロックをつかんで箱に入れる作業のお手本50本を使い、Runpod で借りた NVIDIA A40 で3,000ステップ学習すると、6.2時間・約579円だった（[Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos)）。実機で成否を判定できた92回のうち55回が成功し、成功率は59.8%（[Log#36](https://pixelstomotors.com/record/mecharm-270-demo-data-half-motion-interpolated)）。

このページは、[フィジカルAI研究室](https://pixelstomotors.com/series6)の30本以上の記録を、始める順に並べ直した手順書です。版や数字が変わったら、このページを書き直します。日付つきの記録（LOG）は書き換えず、根拠として各節からリンクしています。

このページで分かること。

- π0・π0.5 とは何か。VLA（画像と言葉から動きを出すモデル）を、個人がどこまで使えるか
- 用意するもの（機材・GPU・ソフトウェアの版）と、記録に残っていない情報
- お手本集め → 学習 → 実機で動かす → 失敗を直す、の順の手順と、各段の時間と費用
- 実際にはまった所と、その直し方


## π0・π0.5 とは：画像と言葉からロボットの動きを出すモデル（VLA）

π0（パイゼロ）と π0.5 は、米国の Physical Intelligence が公開したロボット用の基盤モデル。カメラの画像と「赤いブロックを箱に入れて」のような指示文を受け取り、ロボットの関節をどう動かすかを出す。画像（Vision）と言葉（Language）から動き（Action）を出すので、VLA（Vision-Language-Action）モデルと呼ばれる。

コードと学習済みの重みは、[openpi](https://github.com/Physical-Intelligence/openpi) として公開されている。元の重みのままでは、自分のアームのことを知らない。自分のアームで集めたお手本で追加学習（このページではすべて LoRA）させて使う。LoRA は、大きなモデルの重みを固定したまま、小さな追加の重みだけを学習するやり方で、少ない GPU のメモリで済む（[Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos)）。

π0.5 は Mac では動かない。手元に GPU がない場合は、クラウドの GPU を時間単位で借りる（[Log#2](https://pixelstomotors.com/record/openpi-remote-inference-first-run)）。


## 用意するもの（環境の表）

記録で確かめた条件の一覧です。全部の項目を同時に使った一組の環境としては、まだ確かめていません。記録に値がないものは「ログにない」と書いています。

| 項目 | 記録にある値 | 出どころ |
|---|---|---|
| ロボットアーム | mechArm 270（中に Raspberry Pi。アームを動かす受け口の daemon が Pi で動く） | [Log#20](https://pixelstomotors.com/record/gamepad-moves-mecharm-270-pymycobot-version) |
| アームの電源 | 12V・5A。12V・2A（24W）では、つかんだブロックを落とした。本体は40W を求める | [Log#30](https://pixelstomotors.com/record/mecharm-270-drops-block-underpowered-adapter)・[Log#34](https://pixelstomotors.com/record/mecharm-270-5a-adapter-stops-dropping-block) |
| Pi の pymycobot | 2.9.6。4.0.4 を読んでいた間は、1回の指令に約1.6秒かかった | [Log#20](https://pixelstomotors.com/record/gamepad-moves-mecharm-270-pymycobot-version) |
| 手元の PC | Mac（画像と指示文を送り、動きを受け取る） | [Log#2](https://pixelstomotors.com/record/openpi-remote-inference-first-run) |
| 借りる GPU | Runpod の NVIDIA A40（GPU メモリ 46,068MiB）1台 | [Log#3](https://pixelstomotors.com/record/pi05-libero-benchmark-first-run)・[Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos) |
| Pod のテンプレート | Runpod Pytorch 2.8.0（CUDA 12.8.1・Ubuntu 24.04）。コンテナディスク 200GB、Volume なし | [Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos) |
| openpi | 推論を始めたときのコミット 215abfb217dbac7d5f1273282331b9b1866c0479。学習のたびに Pod で取り直しているため、学習した回ごとのコミットは各ログの付録で確かめる | [Log#3](https://pixelstomotors.com/record/pi05-libero-benchmark-first-run) |
| 学習の出発点 | π0.5 base（gs://openpi-assets/checkpoints/pi05_base/params） | [Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos) |
| 学習の設定 | LoRA・batch 32。設定名 pi05_mecharm_deep_even10_lora（pi05_mecharm_trim_lora を写し、名前・データ名・ステップ数だけ替えた） | [Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos) |
| カメラ | 上から見るカメラ（傾きを変えても、π0.5 の行き先は変わらなかった） | [Log#29](https://pixelstomotors.com/record/pi05-position-2-miss-caused-by-camera-tilt) |
| 手直しの道具 | 3,198円の互換ゲームパッド（型番はログにない） | [Log#19](https://pixelstomotors.com/record/gamepad-ready-to-correct-mecharm-270) |
| ブロックと箱の大きさ | ログにない | ― |
| Pi の型番・OS | ログにない | ― |

推論だけなら、GPU メモリは初期設定で34GB を先に確保するが、実際に使ったのは8.5GB だった（[Log#3](https://pixelstomotors.com/record/pi05-libero-benchmark-first-run)）。学習では最大41,283MiB を使った（[Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos)）。


## 手順1：借りた GPU で π0.5 を動かし、Mac から動きを受け取る

最初は学習せずに、公開されている重みのまま推論を通す。Runpod で A40 を借りて openpi のサーバーを立て、Mac から SSH のトンネル経由で画像と指示文を送り、動きの数値を受け取る。

- モデル本体の推論は平均97ms、Mac との往復は平均391ms（[Log#2](https://pixelstomotors.com/record/openpi-remote-inference-first-run)）
- 公式の手順のままでは止まる所が2か所あり、直し方は [Log#2](https://pixelstomotors.com/record/openpi-remote-inference-first-run) に載せた
- シミュレータ LIBERO 向けの重みで、10作業を2回ずつ試して20回すべて成功した。ここで、自分の GPU の上で正しく動いているかを確かめられる（[Log#3](https://pixelstomotors.com/record/pi05-libero-benchmark-first-run)）


## 手順2：自分のアームでお手本を集める

π0.5 に渡すお手本は、アームを手で動かして姿勢を教え、それを再生しながらカメラの画像と関節の角度を録る形で集めた（[Log#8](https://pixelstomotors.com/record/drag-teach-waypoint-replay)・[Log#9](https://pixelstomotors.com/record/teach-replay-19-demos)）。

最初は2本で試し、A40 で200ステップ学習すると loss は0.1031から0.0162へ下がり、Mac で予測を受け取れた（[Log#4](https://pixelstomotors.com/record/pi05-mecharm-demo-to-inference)）。流れが通るかを、少ない本数で先に確かめるとよい。

最終的には、ブロックを置く場所を5か所にし、各10本、合わせて50本にそろえた（[Log#26](https://pixelstomotors.com/record/even-ten-demos-per-spot-mecharm-270-reteaching)）。そろえるまでに分かったことが3つある。

- **場所ごとの本数をそろえる。** 偏ると、少ない場所で失敗する（[Log#26](https://pixelstomotors.com/record/even-ten-demos-per-spot-mecharm-270-reteaching)）
- **深くつかむお手本だけにする。** 失敗の主な原因は、ブロックが奥まで入る前に爪を閉じる浅いつかみで、学習データ30本中7本が同じ浅さだった（[Log#23](https://pixelstomotors.com/record/pi05-failures-traced-to-shallow-grasp-demos)）
- **止まっている時間を詰める。** π0.5 はお手本の中の停止まで覚え、ブロックの近くで止まった。お手本の4割が止まっている時間だった（[Log#11](https://pixelstomotors.com/record/pi05-learned-the-pauses)）

注意：手で教えたお手本は、アームが動いた量の半分ほどが実測の角度ではなく、前後の実測を直線で結んで補った値だった（[Log#36](https://pixelstomotors.com/record/mecharm-270-demo-data-half-motion-interpolated)）。角度を読む間隔を詰める直しを進めている。


## 手順3：LoRA で追加学習する（3,000ステップ・6.2時間・約579円）

お手本50本（7,128コマ）で、π0.5 base から LoRA で3,000ステップ学習した（[Log#27](https://pixelstomotors.com/record/retrain-pi05-from-base-on-50-even-demos)）。

| 段階 | 時間 |
|---|---|
| Pod を作り、立ち上がるまで | 1分 |
| スクリプトを送り、openpi を取り、設定を入れる | 2分13秒 |
| お手本の tar（193MB）を送る | 2分13秒 |
| LeRobot の形に変え、正規化の値を測り直す | 2分38秒 |
| 学習（3,000ステップ、1ステップ約7.2秒） | 5時間58分 |
| 確かめ・Hugging Face へ上げる・ログを持ち帰る・Pod を消す | 約6分 |
| 借りていた時間の合計 | 372分24秒・約3.66ドル（約579円、1時間0.59ドル・1ドル158円） |

loss は0.1015から0.0036まで下がった。ただし、**loss が下がっても、実機で届くとは限らない。** 19本で4,000ステップ学習して loss を0.0030まで下げたときも、爪は2回ともブロックの奥で空を閉じた（[Log#7](https://pixelstomotors.com/record/pi05-mecharm-4000-steps)）。

使い終わった Pod は、停止ではなく削除まで行う。停止だけではディスクの料金がかかり続ける。削除すると中身が消えるので、学習したモデルとログは先に手元へ移す。


## 手順4：実機で動かす

学習したモデルを Pod のサーバーに読み込み、Mac が上カメラの画像を送って、返ってきた動きを Pi の daemon 経由でアームに送る。

- 初めて動かしたときは、ブロックの真上で手首が指令に届かずに止まった。原因は爪がブロックに乗っていたことで、動画で分かった（[Log#6](https://pixelstomotors.com/record/pi05-mecharm-first-real-run)）
- 学習し直さず、AI に渡す肩の角度を直前の目標に変えただけで、毎回約2°足りず箱に当てていた動きが直り、初めてブロックを箱に入れた（[Log#12](https://pixelstomotors.com/record/pi05-first-block-in-box)）
- 1回の動きは、待ちを削ると144秒から54〜95秒に縮んだ。効いたのは最初の推論の57秒と、人の Enter 待ちを削ったこと（[Log#35](https://pixelstomotors.com/record/mecharm-270-inference-waits-cut-144s-to-54s)）


## 手順5：失敗を人が直し、直した動きで学び直す

失敗しかけた所で止め、人がゲームパッドで関節を直して続けさせ、直した動きを学習データにする（[Log#15](https://pixelstomotors.com/record/rewind-and-correct-pi05)・[Log#17](https://pixelstomotors.com/record/retrain-pi05-with-human-corrections)）。

- 直す1回は、ゲームパッドで中央14.5秒、キーボードでは43.2秒。そのうち関節を動かしているのは2.6秒だけだった（[Log#32](https://pixelstomotors.com/record/measure-mecharm-270-recovery-time-decide-what-to-cut)）
- 人が直した5回で学び直しても、成功した6回はすべて人の直しつきで、直しなしの1回は根元が約2°足りず空振りした（[Log#18](https://pixelstomotors.com/record/retrained-pi05-still-needs-human-corrections)）

この段は、まだ結果が出ていない。


## よくあるつまずきと直し方

### アームへの指令が1回1.6秒もかかる

Pi の daemon が pymycobot 4.0.4 を読んでいた。2.9.6 に戻すと送信は約0.02秒になった。入れた版ではなく、動いている daemon が読んでいる版を確かめる（[Log#20](https://pixelstomotors.com/record/gamepad-moves-mecharm-270-pymycobot-version)）。

### つかんだブロックを途中で落とす

電源の不足だった。12V・2A を12V・5A に替えると、π0.5 は位置5で5回とも成功した（12V・2A の日は3回中1回）（[Log#34](https://pixelstomotors.com/record/mecharm-270-5a-adapter-stops-dropping-block)）。

### 肩を深く倒した姿勢が動かない

肩を約88°より深く倒した姿勢は、命令がエラーなしに捨てられていた。お手本をその範囲に収める（[Log#9](https://pixelstomotors.com/record/teach-replay-19-demos)）。

### 特定の置き場所だけ失敗する

3か所に5回ずつ置くと15回中9回成功し、腕を伸ばしきる位置は1/5だった（[Log#14](https://pixelstomotors.com/record/pi05-weak-position-d)）。50本で学んだモデルでも、位置2は4回ともつかむ姿勢まで届かなかった。カメラの傾きは原因ではなかった（[Log#28](https://pixelstomotors.com/record/pi05-even-demos-on-arm-misses-position-2)・[Log#29](https://pixelstomotors.com/record/pi05-position-2-miss-caused-by-camera-tilt)）。

### 成功か失敗かが後から分からない

推論の記録176回のうち108回に、成否の印がなかった。AI が先に判定を付け、人が画面で確かめて確定する形にした（[Log#36](https://pixelstomotors.com/record/mecharm-270-demo-data-half-motion-interpolated)）。最初から1回ごとに成否を残しておく。


## いまの到達点（2026-11-15）

| 見たもの | 結果 | 出どころ |
|---|---|---|
| 実機の成功率（成功 ÷ 成功と失敗） | 59.8%（55/92）。10月は63%（20/32）、11月は58%（35/60）。モデル・電源・人の直しの有無が違う回をまとめた数 | [Log#36](https://pixelstomotors.com/record/mecharm-270-demo-data-half-motion-interpolated) |
| 失敗でいちばん多い形 | つかめたが、置けなかった（失敗37回中17回） | 判定の記録（2026-11-15 集計） |
| 電源を12V・5A にした日 | 位置5で5回とも成功 | [Log#34](https://pixelstomotors.com/record/mecharm-270-5a-adapter-stops-dropping-block) |

まだ、自分以外の環境で再現された記録はない。


## ログにない情報（再現に足りないもの）

- ブロックと箱の大きさ・重さ
- Pi の型番と OS の版
- ゲームパッドの型番
- 成功した各回が、どの電源・どのモデルで出たかの対応（ログを1本ずつ読めば分かるが、表にまとめていない）

ここで止まった人、埋められる人は、下のフォームから教えてください。


## 再現を試した記録を送る

最後まで進んでいなくてもかまいません。[メッセージのフォーム](https://pixelstomotors.com/message)から、次の4つを書いて送ってください。

1. どこまで進んだか
2. このページと違う所（アーム・GPU・版・電源）
3. 止まった所、またはエラー
4. 上の「ログにない」のうち、困った項目


## このページの更新

| 日付 | 変えたこと |
|---|---|
| 2026-11-15 | 公開 |
