Physical Intelligence zpřístupňuje betaverzi Pi API pro základní modely robotů

Společnost Physical Intelligence oznámila betaverzi Pi API 13. října 2026 a zpřístupnila tak své nejnovější základní modely pro robotiku externím vývojářům k dolaďování a inferenci v hostovaném prostředí. Přístup k betaverzi je možný prostřednictvím čekací listiny; zájemci mají popsat, co chtějí vytvořit.

Podle postupu popsaného v oznámení vývojář nahraje data z robotu, spustí dolaďování na výpočetní infrastruktuře, kterou spravuje Physical Intelligence, a k provádění inference na svém robotu přistupuje k vyladěnému modelu prostřednictvím hostované brány. Data z vyhodnocování pak slouží jako vodítko pro další iteraci. Společnost uvedla, že nejnovější model dostupný prostřednictvím API již partnerům přináší dolaďování, které efektivněji využívá data, a vyšší schopnosti. Protože může modely, na nichž API stojí, rychle aktualizovat, plánuje nadále zpřístupňovat své nejnovější a nejschopnější modely. Physical Intelligence popsala spuštění jako první krok k poskytnutí základny fyzické inteligence, na níž může komunita stavět, a k umožnění autonomie od začátku do konce.

Modely, na nichž API stojí

Oznámení představuje univerzální základní modely pro robotiku, jako jsou π0 a π0.5, jako slibný způsob, jak řešit výzvu spojenou s nasazováním robotů: kromě výběru vhodného případu použití a sestavení správného hardwaru potřebují vývojáři modely dostatečně inteligentní k provádění daného úkolu. Tyto modely poskytují pevný základ fyzických znalostí a schopností, který výrazně snižuje množství dat a úsilí potřebné k přizpůsobení novým úkolům, prostředím nebo robotům, uvedla společnost. Jejich přizpůsobování však stále vyžaduje infrastrukturu pro strojové učení, výpočetní výkon a složité datové pipeline.

Společnost Physical Intelligence zveřejňuje open-source verze těchto modelů ve svém repozitáři openpi. Repozitář obsahuje tři typy modelů: π0, model propojující vidění, jazyk a akce založený na metodě flow; π0-FAST, autoregresivní model propojující vidění, jazyk a akce, který vychází z tokenizéru akcí FAST; a π0.5, vylepšenou verzi modelu π0 s lepší generalizací v otevřeném světě, natrénovanou metodou, kterou společnost nazývá izolace znalostí. Základní kontrolní body všech tří modelů jsou předtrénovány na více než 10 000 hodinách dat z robotů a repozitář je zveřejněn pod licencí Apache-2.0. Physical Intelligence vydala π0.5 a podporu PyTorch pro repozitář v září 2025, poté co v červnu 2025 přidala pokyny k trénování modelů propojujících vidění, jazyk a akce na úplné datové sadě DROID.

Spouštění otevřených modelů lokálně vyžaduje grafickou kartu NVIDIA s více než 8 GB paměti pro inferenci; jako příklad je uvedena RTX 4090. K úplnému doladění je zapotřebí více než 70 GB paměti na hardwaru, jako jsou A100 nebo H100. Repozitář byl testován na Ubuntu 22.04 a v současnosti nepodporuje jiné operační systémy. Podporuje také vzdálenou inferenci, při níž model běží na samostatném serveru a odesílá akce robotu prostřednictvím websocketového připojení. Repozitář uvádí, že model π0 byl vyvinut pro vlastní roboty společnosti, které se liší od široce používaných platforem, jako jsou ALOHA a DROID, a že tým neočekává úspěch při každém pokusu o přizpůsobení. API tento postup přebírá jako hostovanou službu: uživatelé dodají data a Physical Intelligence zajistí výpočetní výkon pro trénování a prostřednictvím své brány poskytne hotový model.

Nasazení u partnerů napříč odvětvími

Physical Intelligence uvedla, že pomocí API chtěla získat odpověď na dvě otázky: zda její modely podporují širokou škálu aplikací a robotického hardwaru v různých odvětvích a jak snadno API umožňuje vývojářům postupně směřovat k užitečné a praktické autonomii. Aby společnost ověřila šíři využití, úzce spolupracuje s firmami nasazujícími roboty a prostřednictvím této spolupráce ověřuje, jak dobře její modely fungují při různých úkolech, s odlišným hardwarem a v různých provozních prostředích.

Oznámení představuje společnost Actor sídlící v Utahu, která nasazuje autonomní těžké stroje. Na záběrech, které společnost označila za ukázku skutečného komerčního nasazení, nabírá autonomní kolový nakladač společnosti Actor materiál a nakládá ho do sklápěče, aniž by uvnitř stroje seděl obsluhující pracovník. Mezi další spolupráce zmíněné v oznámení patří AgRobotics, CloudChef, partner z mlékárenského odvětví, Ultra a Weave.

Společnost uvedla, že v rámci těchto prvních spoluprací se ukázal společný vzorec. Problémy se lišily podle úkolu: od oblečení naruby přes surovinu, která nechtěla zůstat v naběračce, až po výrobní díl, který dopadl na nesprávné místo. Postup vedoucí ke zlepšení byl ale téměř stejný: shromáždit ukázky, natrénovat model, otestovat ho na robotu a podle neúspěchů rozhodnout, jaká data shromáždit příště. Physical Intelligence uvedla, že API vytvořila proto, aby vývojáři mohli tento iterační proces sami provádět s využitím jejích nejnovějších modelů.

Výsledky předběžného přístupu a další kroky

Aby Physical Intelligence ověřila, zda lze iterovat nezávisle, poskytla malému počtu společností předběžný přístup k API. Uvedla, že ji zaujalo, jak rychle se pustily do práce a začaly dosahovat pokroku. Oznámení vyzdvihuje společnost Almond se sídlem v San Franciscu v Kalifornii, která vyvíjí Axol, dvouramenného robota určeného tvůrcům fyzické AI; jejím deklarovaným cílem je, aby se Axol sám postavil. Podle společnosti Axol při práci s modelem, který tým získal po čtyřech dnech iterací s Pi API, odjehloval distanční prvky používané při vlastní montáži.

Mezi dalšími uvedenými uživateli s předběžným přístupem jsou Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra a Yondu, vedle projektu z hackathonu. Většina představených aplikací využívala inferenci prostřednictvím API, která běžela v cloudu, a jejich nasazení sahala od Japonska přes Švýcarsko až po různá místa ve Spojených státech. Společnost uvedla, že tato raná nasazení zahrnovala různá prostředí a úkoly, a upozornila na oblasti, které je třeba zlepšit, včetně problémů s připojením k síti v některých případech.

Physical Intelligence uvedla, že tyto příklady ukazují, že její modely lze využít v reálných a užitečných aplikacích a že její partneři mohou pomocí API samostatně opakovaně upravovat řídicí politiky a zvyšovat míru autonomie při plnění svých úkolů. Zároveň označila tuto práci za stále počáteční fázi a dodala, že zpětná vazba od vývojářů pomůže utvářet budoucí vydání. Společnost nabírá zaměstnance do týmů zaměřených na výzkum, infrastrukturu, hardware, lidské zdroje a provoz.