Robotique et IA physique
Physical Intelligence ouvre la bêta de Pi API pour ses modèles fondamentaux de robotique
Ajouter Unite.AI à vos sources préférées sur Google
Le 13 octobre 2026, Physical Intelligence a annoncé la bêta de Pi API, qui permet à des développeurs externes d’accéder à ses derniers modèles fondamentaux de robotique pour effectuer un ajustement fin hébergé et de l’inférence. L’accès à la bêta se fait sur liste d’attente ; les personnes qui en font la demande doivent décrire ce qu’elles souhaitent créer.
Selon le flux de travail présenté dans l’annonce, un développeur téléverse des données robotiques, lance l’ajustement fin sur les ressources de calcul et l’infrastructure gérées par Physical Intelligence, puis accède au modèle ajusté via une passerelle hébergée afin d’exécuter l’inférence sur son robot. Les données d’évaluation orientent ensuite l’itération suivante. L’entreprise a déclaré que le dernier modèle disponible par l’intermédiaire de l’API permettait déjà un ajustement fin plus efficace en données et offrait de meilleures capacités à ses partenaires. Elle a ajouté que, comme elle peut rapidement mettre à jour les modèles qui sous-tendent l’API, elle prévoit de continuer à donner accès à ses modèles les plus récents et les plus performants. Physical Intelligence a présenté ce lancement comme une première étape vers la mise à disposition d’un socle d’intelligence physique sur lequel la communauté pourra s’appuyer, ainsi que vers l’autonomie de bout en bout.
Les modèles qui sous-tendent l’API
L’annonce présente les modèles fondamentaux de robotique polyvalents, comme π0 et π0.5, comme une piste prometteuse pour relever le défi du déploiement des robots : outre le choix du bon cas d’utilisation et la conception du matériel adéquat, les développeurs ont besoin de modèles suffisamment intelligents pour accomplir la tâche visée. Selon l’entreprise, ces modèles offrent un socle solide de connaissances physiques et de capacités qui réduit considérablement les données et les efforts nécessaires pour les adapter à de nouvelles tâches, à de nouveaux environnements ou à de nouveaux robots. Toutefois, leur adaptation requiert toujours une infrastructure de ML, des ressources de calcul et des pipelines de données complexes.
Physical Intelligence publie des versions open source de ces modèles dans son dépôt openpi. Ce dépôt contient trois types de modèles : π0, un modèle vision-langage-action fondé sur les flux ; π0-FAST, un modèle vision-langage-action autorégressif reposant sur le tokenizer d’actions FAST ; et π0.5, une version améliorée de π0 offrant une meilleure généralisation en environnement ouvert et entraînée à l’aide d’une méthode que l’entreprise appelle « isolation des connaissances ». Les points de contrôle de base des trois modèles sont préentraînés sur plus de 10 000 heures de données robotiques, et le dépôt est publié sous licence Apache-2.0. Physical Intelligence a publié π0.5 et ajouté la prise en charge de PyTorch au dépôt en septembre 2025, après avoir ajouté, en juin 2025, des instructions pour entraîner des modèles vision-langage-action sur l’intégralité du jeu de données DROID.
L’exécution des modèles ouverts en local nécessite un GPU NVIDIA doté de plus de 8 Go de mémoire pour l’inférence ; la RTX 4090 est donnée en exemple. Un ajustement fin complet requiert plus de 70 Go de mémoire sur du matériel tel que l’A100 ou le H100. Le dépôt a été testé sous Ubuntu 22.04 et ne prend actuellement pas en charge les autres systèmes d’exploitation. Il permet également l’inférence à distance : le modèle s’exécute sur un serveur distinct et transmet les actions au robot par une connexion WebSocket. Le dépôt précise que π0 a été développé pour les propres robots de l’entreprise, qui diffèrent de plateformes largement utilisées comme ALOHA et DROID, et que l’équipe ne s’attend pas à ce que toutes les tentatives d’adaptation réussissent. L’API prend en charge ce pipeline sous la forme d’un service hébergé : les utilisateurs fournissent les données, et Physical Intelligence gère les ressources de calcul nécessaires à l’entraînement et met le modèle final à disposition par l’intermédiaire de sa passerelle.
Déploiements chez des partenaires dans divers secteurs
Physical Intelligence a indiqué que l’API devait permettre de répondre à deux questions : ses modèles prennent-ils en charge un large éventail d’applications et de matériels robotiques dans des secteurs variés, et dans quelle mesure l’API permet-elle aux développeurs d’itérer facilement pour parvenir à une autonomie utile et concrète ? Pour évaluer cette diversité, l’entreprise travaille en étroite collaboration avec des sociétés qui déploient des robots. Ces partenariats lui permettent de vérifier les performances de ses modèles pour différentes tâches, différents matériels et différents environnements d’exploitation.
L’annonce met en avant Actor, une entreprise basée dans l’Utah qui déploie des engins lourds autonomes. Dans des images que l’entreprise présente comme provenant d’un déploiement commercial réel, une chargeuse sur pneus autonome d’Actor ramasse des matériaux et les déverse dans un camion-benne, sans opérateur à bord. Parmi les autres collaborations mentionnées dans l’annonce figurent AgRobotics, CloudChef, un partenaire du secteur laitier, Ultra et Weave.
L’entreprise a indiqué qu’un schéma commun se dégageait de ces premières collaborations. Les difficultés variaient selon les tâches — vêtement retourné sur l’envers, ingrédient qui ne tenait pas dans une cuillère ou pièce de fabrication mal positionnée —, mais le processus d’amélioration était sensiblement le même : recueillir des démonstrations, entraîner un modèle, le tester sur le robot et s’appuyer sur les échecs pour déterminer quelles données recueillir ensuite. Physical Intelligence a déclaré avoir conçu l’API pour que les développeurs puissent effectuer eux-mêmes ce cycle d’itération à l’aide de ses derniers modèles.
Résultats des premiers accès et prochaines étapes
Pour évaluer la capacité des entreprises à mener leurs propres itérations, Physical Intelligence a accordé un accès anticipé à l’API à un petit nombre d’entre elles. L’entreprise s’est dite impressionnée par la rapidité avec laquelle elles ont commencé à l’utiliser et à progresser. L’annonce met en avant Almond, basée à San Francisco, en Californie, qui développe Axol, un robot à deux bras destiné aux concepteurs de systèmes d’IA physique et dont l’objectif déclaré est qu’Axol se construise lui-même. Selon l’entreprise, Axol a ébavuré des entretoises utilisées dans son propre assemblage, avec un modèle que l’équipe avait obtenu après quatre jours d’itérations avec Pi API.
Parmi les autres utilisateurs ayant bénéficié d’un accès anticipé figurent Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra et Yondu, ainsi qu’un projet réalisé lors d’un hackathon. La plupart des applications présentées utilisaient l’inférence hébergée dans le cloud par l’intermédiaire de l’API, dans le cadre de déploiements allant du Japon à la Suisse, en passant par différents sites aux États-Unis. L’entreprise a indiqué que ces premiers déploiements couvraient un éventail d’environnements et de tâches, et a signalé des points à améliorer, notamment des problèmes de connectivité réseau dans certains cas.
Physical Intelligence a déclaré que ces exemples montrent que les modèles qu’elle développe peuvent servir à des applications concrètes et utiles, et que ses partenaires peuvent utiliser l’API pour faire évoluer de manière autonome leurs politiques et améliorer l’autonomie dans le cadre de leurs tâches. L’entreprise a toutefois précisé que le projet en était encore à ses débuts et que les retours des développeurs contribueraient à orienter les prochaines versions. Elle a indiqué recruter dans les domaines de la recherche, de l’infrastructure, du matériel, des ressources humaines et des opérations.
