π0.5 是一款面向家庭移动操作场景的视觉-语言-动作（VLA）模型，通过预训练加后训练的两段式流程，将高层推理与低层执行融进同一个模型。它结合离散与连续动作表示，在全新真实住宅中展现出强大的多阶段任务泛化能力，并显著优于现有 VLA 模型。