Physical Intelligence avaa Pi API:n beetaversion robotiikan perustamalleille

Physical Intelligence julkisti Pi API:n beetaversion 13. lokakuuta 2026 ja tarjosi uusimmat robotiikan perustamallinsa ulkopuolisten kehittäjien käyttöön isännöityä hienosäätöä ja inferenssiä varten. Beetaversioon pääsee odotuslistan kautta, ja hakijoita pyydetään kuvailemaan, mitä he haluavat rakentaa.

Julkistuksessa kuvatussa työnkulussa kehittäjä lataa robottidataa, käynnistää hienosäädön Physical Intelligencen hallinnoimalla laskentakapasiteetilla ja infrastruktuurilla sekä käyttää hienosäädettyä mallia isännöidyn yhdyskäytävän kautta inferenssin suorittamiseen robotillaan. Arviointidata ohjaa sitten seuraavaa kehityskierrosta. Yhtiön mukaan API:n kautta saatavilla oleva uusin malli tarjoaa jo datatehokkaampaa hienosäätöä ja parempia kyvykkyyksiä sen kumppaneille. Koska yhtiö pystyy päivittämään API:n taustalla olevia malleja nopeasti, se aikoo jatkaa pääsyn tarjoamista uusimpiin ja kyvykkäimpiin malleihinsa. Physical Intelligence kuvaili julkaisua ensimmäiseksi askeleeksi kohti fyysisen älykkyyden perustan tarjoamista yhteisölle jatkokehitystä varten sekä päästä päähän -autonomian mahdollistamista.

API:n taustalla olevat mallit

Julkistuksessa yleiskäyttöisiä robotiikan perustamalleja, kuten malleja π0 ja π0.5, kuvataan lupaavaksi keinoksi vastata robottien käyttöönoton haasteeseen: sopivan käyttökohteen tunnistamisen ja oikeanlaisen laitteiston rakentamisen lisäksi kehittäjät tarvitsevat malleja, jotka ovat riittävän älykkäitä suorittamaan kulloisenkin tehtävän. Yhtiön mukaan nämä mallit tarjoavat vahvan perustan fyysiselle tietämykselle ja kyvykkyyksille, mikä vähentää huomattavasti uusien tehtävien, ympäristöjen tai robottien käyttöönottoon tarvittavan datan ja työn määrää. Niiden mukauttaminen vaatii silti koneoppimisinfrastruktuuria, laskentakapasiteettia ja monimutkaisia dataputkia.

Physical Intelligence julkaisee näiden mallien avoimen lähdekoodin versioita openpi-tietovarastossaan. Tietovarasto sisältää kolmenlaisia malleja: π0, virtaukseen perustuva näkö-, kieli- ja toimintamalli; π0-FAST, autoregressiivinen näkö-, kieli- ja toimintamalli, joka perustuu FAST-toimintatokenoijaan; sekä π0.5, π0:n päivitetty versio, jonka yleistyskyky avoimissa ympäristöissä on parempi ja joka on koulutettu yhtiön tietämyksen eristämiseksi kutsumalla menetelmällä. Kaikkien kolmen mallin perusparametrien tarkistuspisteet on esikoulutettu yli 10 000 tunnilla robottidataa, ja tietovarasto on julkaistu Apache-2.0-lisenssillä. Physical Intelligence julkaisi π0.5-mallin ja PyTorch-tuen tietovarastolle syyskuussa 2025, kun se oli lisännyt kesäkuussa 2025 ohjeet näkö-, kieli- ja toimintamallien kouluttamiseen koko DROID-aineistolla.

Avoimien mallien paikallinen suorittaminen vaatii inferenssiä varten NVIDIA-näytönohjaimen, jossa on yli 8 Gt muistia; esimerkkinä mainitaan RTX 4090. Täysi hienosäätö puolestaan edellyttää yli 70 Gt muistia esimerkiksi A100- tai H100-laitteistossa. Tietovarastoa on testattu Ubuntu 22.04 -käyttöjärjestelmässä, eikä se tällä hetkellä tue muita käyttöjärjestelmiä. Se tukee myös etäinferenssiä, jossa malli suoritetaan erillisellä palvelimella ja toiminnot välitetään robotille verkkopistokeyhteyden kautta. Tietovaraston mukaan π0 kehitettiin yhtiön omille roboteille, jotka poikkeavat laajalti käytetyistä alustoista, kuten ALOHAsta ja DROIDista, eikä tiimi odota kaikkien mukautusyritysten onnistuvan. API tarjoaa tämän työnkulun isännöitynä palveluna: käyttäjät toimittavat datan, ja Physical Intelligence huolehtii koulutuksen laskentakapasiteetista sekä tarjoaa valmiin mallin yhdyskäytävänsä kautta.

Kumppanien käyttöönotot eri toimialoilla

Physical Intelligencen mukaan se halusi API:n avulla vastata kahteen kysymykseen: soveltuvatko sen mallit monenlaisiin sovelluksiin ja robotiikkalaitteistoihin eri toimialoilla, ja kuinka helposti API auttaa kehittäjiä kehittämään ratkaisuja kohti hyödyllistä ja käytännönläheistä autonomiaa. Soveltuvuuden laajuuden testaamiseksi yhtiö tekee tiivistä yhteistyötä robotteja käyttöön ottavien yritysten kanssa. Yhteistyön avulla se arvioi, miten hyvin sen mallit toimivat erilaisissa tehtävissä, laitteistoissa ja käyttöympäristöissä.

Julkistuksessa esitellään Actor, Utahissa sijaitseva yritys, joka ottaa käyttöön autonomisia raskaita työkoneita. Yhtiön aidoksi kaupalliseksi käyttökohteeksi kuvaamassa videomateriaalissa Actorin autonominen pyöräkuormaaja kauhoo materiaalia ja lastaa sitä kippiautoon ilman, että koneessa on kuljettajaa. Julkistuksessa nimettyjä muita yhteistyökumppaneita ovat AgRobotics, CloudChef, maidontuotannon alalla toimiva kumppani, Ultra ja Weave.

Näissä ensimmäisissä yhteistyöhankkeissa alkoi yhtiön mukaan toistua sama kaava. Haasteet vaihtelivat tehtävästä toiseen: vaate oli nurinpäin, ainesosa ei pysynyt kauhassa tai valmistusteollisuuden osa laskeutui väärään asentoon. Parannusprosessi oli kuitenkin pitkälti sama: kerätään esimerkkejä, koulutetaan malli, testataan sitä robotilla ja hyödynnetään epäonnistumisia sen ratkaisemiseen, mitä dataa kerätään seuraavaksi. Physical Intelligencen mukaan se rakensi API:n, jotta kehittäjät voivat itse käydä tämän kehityskierroksen läpi yhtiön uusimpia malleja käyttäen.

Varhaisen käytön tulokset ja seuraavat vaiheet

Testatakseen itsenäistä kehitystyötä Physical Intelligence antoi pienelle joukolle yrityksiä varhaisen pääsyn API:in ja kertoi vaikuttuneensa siitä, kuinka nopeasti ne pääsivät alkuun ja alkoivat edistyä. Julkistuksessa nostetaan esiin San Franciscossa Kaliforniassa toimiva Almond, joka rakentaa Axolia, fyysisen tekoälyn kehittäjille tarkoitettua kaksikätistä robottia. Axolin ilmoitettu tavoite on rakentaa itsensä. Yhtiön mukaan Axol poisti purseita omassa kokoonpanossaan käytetyistä välikappaleista käyttäessään mallia, jonka tiimi sai kehitettyään sitä Pi API:n avulla neljän päivän ajan.

Muita esiteltyjä varhaisen käyttöoikeuden saaneita olivat Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra ja Yondu sekä hackathon-projekti. Useimmissa esitellyissä sovelluksissa päättely suoritettiin pilvipalvelussa API:n kautta. Käyttökohteita oli Japanista Sveitsiin ja eri puolilla Yhdysvaltoja sijaitseville paikkakunnille. Yhtiön mukaan varhaiset käyttöönotot kattoivat monenlaisia ympäristöjä ja tehtäviä, ja ne toivat esiin kehityskohteita, kuten joidenkin käyttökohteiden verkkoyhteysongelmat.

Physical Intelligencen mukaan esimerkit osoittavat, että sen kehittämiä malleja voidaan käyttää todellisiin ja hyödyllisiin sovelluksiin ja että sen kumppanit pystyvät API:n avulla kehittämään itsenäisesti tehtävissään käytettäviä toimintamalleja ja parantamaan järjestelmien autonomiaa. Yhtiö kuitenkin luonnehti työtä vielä varhaiseksi, ja kehittäjiltä saatavan palautteen on tarkoitus auttaa tulevien julkaisujen suunnittelussa. Yhtiö kertoi rekrytoivansa tutkimuksen, infrastruktuurin, laitteiston, henkilöstöhallinnon ja operatiivisen toiminnan tehtäviin.