Physical Intelligence abre la versión beta de Pi API para modelos fundacionales de robótica

Physical Intelligence anunció la versión beta de Pi API el 13 de octubre de 2026, poniendo sus modelos fundacionales de robótica más recientes a disposición de desarrolladores externos para el ajuste fino y la inferencia alojados. El acceso a la versión beta se gestiona mediante una lista de espera; se pide a los solicitantes que describan qué quieren crear.

Según el flujo de trabajo descrito en el anuncio, un desarrollador carga datos de robots, inicia el ajuste fino con capacidad de cómputo e infraestructura gestionadas por Physical Intelligence y accede al modelo ajustado a través de una pasarela alojada para ejecutar inferencias en su robot. A continuación, los datos de evaluación sirven de guía para la siguiente iteración. La empresa dijo que el modelo más reciente disponible mediante la API ya ofrece un ajuste fino que aprovecha mejor los datos y capacidades mejoradas para sus socios, y que, dado que puede actualizar rápidamente los modelos que sustentan la API, tiene previsto seguir dando acceso a sus modelos más recientes y capaces. Physical Intelligence describió el lanzamiento como el primer paso para proporcionar una base de inteligencia física sobre la que pueda trabajar la comunidad y hacer posible la autonomía integral.

Los modelos detrás de la API

El anuncio presenta modelos fundacionales de robótica de propósito general como π0 y π0.5 como una forma prometedora de abordar el reto de implementar robots: además de identificar el caso de uso adecuado y construir el hardware apropiado, los desarrolladores necesitan modelos lo bastante inteligentes como para realizar la tarea en cuestión. Según la empresa, estos modelos ofrecen una sólida base de conocimientos y capacidades físicas que reduce considerablemente los datos y el esfuerzo necesarios para adaptarlos a nuevas tareas, entornos o robots; aun así, adaptarlos requiere infraestructura de aprendizaje automático, capacidad de cómputo y complejas canalizaciones de datos.

Physical Intelligence publica versiones de código abierto de estos modelos en su repositorio openpi. El repositorio contiene tres tipos de modelos: π0, un modelo de visión, lenguaje y acción basado en flujo; π0-FAST, un modelo autorregresivo de visión, lenguaje y acción basado en el tokenizador de acciones FAST; y π0.5, una versión mejorada de π0 con una mayor capacidad de generalización en entornos abiertos, entrenada mediante un método que la empresa denomina aislamiento del conocimiento. Los puntos de control base de los tres modelos se preentrenan con más de 10.000 horas de datos de robots, y el repositorio se publica con una licencia Apache-2.0. Physical Intelligence publicó π0.5 y añadió compatibilidad con PyTorch al repositorio en septiembre de 2025, después de incorporar, en junio de 2025, instrucciones para entrenar modelos de visión, lenguaje y acción con el conjunto de datos DROID completo.

Para ejecutar los modelos abiertos localmente, se necesita una GPU NVIDIA con más de 8 GB de memoria para la inferencia; se menciona la RTX 4090 como ejemplo. Para el ajuste fino completo, se requieren más de 70 GB de memoria en hardware como el A100 o el H100. El repositorio se ha probado en Ubuntu 22.04 y, por el momento, no es compatible con otros sistemas operativos. También admite la inferencia remota, en la que un modelo se ejecuta en un servidor independiente y transmite acciones al robot a través de una conexión WebSocket. El repositorio señala que π0 se desarrolló para los propios robots de la empresa, que son distintos de plataformas de uso extendido como ALOHA y DROID, y que el equipo no espera que todos los intentos de adaptación tengan éxito. La API ofrece ese flujo de trabajo como servicio alojado: los usuarios proporcionan los datos, y Physical Intelligence gestiona la capacidad de cómputo para el entrenamiento y sirve el modelo terminado a través de su pasarela.

Implementaciones de socios en distintos sectores

Physical Intelligence dijo que con la API buscaba responder a dos preguntas: si sus modelos admiten una amplia variedad de aplicaciones y hardware robótico en distintos sectores, y con qué facilidad la API permite a los desarrolladores iterar hasta lograr una autonomía útil y práctica. Para comprobar la amplitud de las aplicaciones, la empresa colabora estrechamente con compañías que implementan robots y aprovecha esas colaboraciones para validar el rendimiento de sus modelos en distintas tareas, tipos de hardware y entornos operativos.

El anuncio destaca a Actor, una empresa radicada en Utah que implementa maquinaria pesada autónoma. En unas imágenes que la empresa describió como una implementación comercial real, la cargadora de ruedas autónoma de Actor recoge material y lo carga en un camión volquete sin que haya ningún operador dentro de la máquina. Entre las otras colaboraciones mencionadas en el anuncio figuran AgRobotics, CloudChef, un socio del sector lácteo, Ultra y Weave.

La empresa dijo que de estas primeras colaboraciones surgió un patrón común. Los retos variaban de una tarea a otra: desde una prenda del revés hasta un ingrediente que no se quedaba en la cuchara o una pieza de fabricación que acababa en la posición equivocada. Sin embargo, el proceso de mejora era muy parecido: recopilar demostraciones, entrenar un modelo, probarlo en el robot y utilizar los fallos para decidir qué datos recopilar a continuación. Physical Intelligence dijo que creó la API para que los desarrolladores pudieran llevar a cabo por sí mismos este ciclo de iteración con sus modelos más recientes.

Resultados del acceso anticipado y próximos pasos

Para probar la iteración independiente, Physical Intelligence dio acceso anticipado a la API a un pequeño número de empresas y dijo que le impresionó la rapidez con la que se pusieron en marcha y empezaron a avanzar. El anuncio destaca a Almond, con sede en San Francisco, California, que desarrolla Axol, un robot de dos brazos para desarrolladores de IA física cuyo objetivo declarado es que Axol se construya a sí mismo. Según la empresa, Axol eliminó las rebabas de los espaciadores utilizados en su propio ensamblaje mientras ejecutaba un modelo que el equipo obtuvo tras cuatro días de iteración con Pi API.

Entre los demás usuarios con acceso anticipado que aparecen figuran Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra y Yondu, además de un proyecto de hackathon. La mayoría de las aplicaciones mostradas funcionaban con inferencia alojada en la nube a través de la API, en implementaciones que abarcaban desde Japón hasta Suiza y distintos lugares de Estados Unidos. La empresa señaló que estas primeras implementaciones abarcaban una variedad de entornos y tareas, y destacó aspectos que se podían mejorar, entre ellos los problemas de conectividad de red en algunos casos.

Physical Intelligence afirmó que los ejemplos muestran que los modelos que desarrolla pueden utilizarse en aplicaciones reales y útiles, y que sus socios pueden usar la API para iterar de forma independiente sobre las políticas y mejorar la autonomía en sus tareas. También caracterizó el esfuerzo como todavía incipiente y señaló que está previsto que los comentarios de los desarrolladores contribuyan a dar forma a futuras versiones. La empresa dijo que está contratando personal para las áreas de investigación, infraestructura, hardware, recursos humanos y operaciones.