Physical Intelligence apre la versione beta di Pi API per i modelli fondazionali per la robotica

Il 13 ottobre 2026, Physical Intelligence ha annunciato la versione beta di Pi API, rendendo disponibili a sviluppatori esterni i suoi più recenti modelli fondazionali per la robotica, per l’addestramento mirato e l’inferenza ospitati. L’accesso alla versione beta è gestito tramite una lista d’attesa; ai candidati viene chiesto di descrivere cosa intendono realizzare.

Secondo il flusso di lavoro descritto nell’annuncio, uno sviluppatore carica i dati del robot, avvia l’addestramento mirato sulle risorse di calcolo e sull’infrastruttura gestite da Physical Intelligence, quindi accede al modello così addestrato tramite un gateway ospitato per eseguire l’inferenza sul proprio robot. I dati di valutazione orientano poi l’iterazione successiva. L’azienda ha dichiarato che il modello più recente disponibile tramite l’API offre già ai partner un addestramento mirato più efficiente in termini di dati e capacità migliorate; ha inoltre affermato che, potendo aggiornare rapidamente i modelli alla base dell’API, intende continuare a dare accesso ai propri modelli più recenti e capaci. Physical Intelligence ha descritto il lancio come il primo passo verso la creazione di una base di intelligenza fisica su cui la comunità possa costruire e verso la realizzazione di un’autonomia end-to-end.

I modelli alla base dell’API

L’annuncio presenta i modelli fondazionali per la robotica di uso generale, come π0 e π0.5, come una soluzione promettente alla sfida della distribuzione dei robot: oltre a individuare il caso d’uso giusto e a realizzare l’hardware adatto, gli sviluppatori hanno bisogno di modelli abbastanza intelligenti da svolgere il compito richiesto. Secondo l’azienda, questi modelli offrono solide basi di conoscenze e capacità fisiche, riducendo notevolmente i dati e il lavoro necessari per adattarli a nuovi compiti, ambienti o robot; l’adattamento richiede comunque infrastruttura di machine learning, risorse di calcolo e pipeline di dati complesse.

Physical Intelligence pubblica versioni open source di questi modelli nel proprio repository open source openpi. Il repository include tre tipi di modelli: π0, un modello visione-linguaggio-azione basato sul flusso; π0-FAST, un modello visione-linguaggio-azione autoregressivo basato sul tokenizer di azioni FAST; e π0.5, una versione aggiornata di π0 con una migliore generalizzazione in scenari non familiari, addestrata con un metodo che l’azienda chiama «isolamento della conoscenza». I checkpoint di base di tutti e tre sono preaddestrati su oltre 10.000 ore di dati robotici e il repository è distribuito con licenza Apache-2.0. Physical Intelligence ha pubblicato π0.5 e il supporto a PyTorch per il repository nel settembre 2025, dopo aver aggiunto, nel giugno 2025, le istruzioni per addestrare modelli visione-linguaggio-azione sull’intero dataset DROID.

Per eseguire localmente i modelli open source è necessaria una GPU NVIDIA con oltre 8 GB di memoria per l’inferenza; l’RTX 4090 è indicata come esempio. Per l’addestramento mirato completo servono invece oltre 70 GB di memoria su hardware come A100 o H100. Il repository è stato testato su Ubuntu 22.04 e al momento non supporta altri sistemi operativi. Supporta anche l’inferenza remota: il modello viene eseguito su un server separato e invia in streaming le azioni al robot tramite una connessione websocket. Il repository segnala che π0 è stato sviluppato per i robot dell’azienda, diversi da piattaforme diffuse come ALOHA e DROID, e che il team non si aspetta che tutti i tentativi di adattamento vadano a buon fine. L’API offre questa pipeline come servizio ospitato: gli utenti forniscono i dati, mentre Physical Intelligence gestisce le risorse di calcolo per l’addestramento e mette a disposizione il modello finito tramite il proprio gateway.

Distribuzioni dei partner in diversi settori

Physical Intelligence ha dichiarato di aver voluto rispondere a due domande con l’API: se i suoi modelli siano adatti a un’ampia gamma di applicazioni e di hardware robotico in settori diversi e quanto facilmente l’API consenta agli sviluppatori di iterare fino a ottenere un’autonomia utile e pratica. Per verificarne l’ampiezza, l’azienda collabora a stretto contatto con imprese che distribuiscono robot, usando queste collaborazioni per valutare le prestazioni dei propri modelli con compiti, hardware e ambienti operativi differenti.

L’annuncio presenta Actor, un’azienda con sede nello Utah che impiega macchinari pesanti autonomi. In un filmato che l’azienda descrive come una vera applicazione commerciale, la pala gommata autonoma di Actor raccoglie materiale e lo carica in un autocarro con cassone ribaltabile senza alcun operatore a bordo. L’annuncio cita anche altre collaborazioni con AgRobotics, CloudChef, un partner del settore lattiero-caseario, Ultra e Weave.

Secondo l’azienda, da queste prime collaborazioni è emerso uno schema ricorrente. Le sfide variavano da un compito all’altro: un indumento rivoltato al rovescio, un ingrediente che non restava nella paletta o un componente di produzione finito nella posizione sbagliata. Il processo per migliorare, però, era pressoché identico: raccogliere dimostrazioni, addestrare un modello, provarlo sul robot e usare gli insuccessi per decidere quali dati raccogliere in seguito. Physical Intelligence ha dichiarato di aver creato l’API per consentire agli sviluppatori di eseguire autonomamente questo ciclo di iterazione con i suoi modelli più recenti.

Risultati dell’accesso anticipato e prossimi passi

Per verificare la possibilità di iterare in autonomia, Physical Intelligence ha concesso a un piccolo numero di aziende l’accesso anticipato all’API e ha dichiarato di essere rimasta colpita dalla rapidità con cui hanno iniziato a usarla e a fare progressi. L’annuncio mette in evidenza Almond, con sede a San Francisco, in California, che sviluppa Axol, un robot a doppio braccio destinato a chi realizza soluzioni di IA fisica; l’obiettivo dichiarato è che Axol costruisca sé stesso. Secondo l’azienda, Axol ha sbavato distanziali usati nel proprio assemblaggio eseguendo un modello ottenuto dal team dopo quattro giorni di iterazioni con Pi API.

Tra gli altri utenti con accesso anticipato mostrati figurano Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra e Yondu, oltre a un progetto realizzato durante un hackathon. La maggior parte delle applicazioni mostrate utilizzava inferenza ospitata nel cloud tramite l’API, con implementazioni che spaziavano dal Giappone alla Svizzera, fino a sedi negli Stati Uniti. L’azienda ha dichiarato che queste prime implementazioni hanno interessato ambienti e attività diversi e ha indicato alcuni aspetti da migliorare, tra cui i problemi di connettività di rete riscontrati in alcuni casi.

Physical Intelligence ha affermato che gli esempi dimostrano come i modelli che sviluppa possano essere impiegati in applicazioni concrete e utili e che i partner sono in grado di utilizzare l’API per iterare autonomamente sulle policy e migliorare l’autonomia nello svolgimento delle proprie attività. L’azienda ha tuttavia descritto l’iniziativa come ancora agli inizi e ha spiegato che i riscontri degli sviluppatori contribuiranno a definire le versioni future. Ha inoltre dichiarato di essere alla ricerca di personale nei settori della ricerca, delle infrastrutture, dell’hardware, delle risorse umane e delle operazioni.