Physical Intelligence、ロボット基盤モデル向けPi APIのベータ版を公開

Physical Intelligenceは2026年10月13日、Pi APIのベータ版を発表し、最新のロボット基盤モデルを外部の開発者が利用して、ホスト環境でファインチューニングや推論を行えるようにしました。ベータ版へのアクセスはウェイトリストを通じて受け付けており、申請者には何を開発したいのか説明するよう求めています。

発表で示されたワークフローでは、開発者がロボットのデータをアップロードし、Physical Intelligenceが管理する計算リソースとインフラ上でファインチューニングを開始します。その後、ホスト型ゲートウェイを通じてファインチューニング済みモデルにアクセスし、自分のロボットで推論を実行します。評価データは、次の反復に向けた指針となります。同社によると、APIで利用できる最新モデルはすでに、データ効率の高いファインチューニングと、パートナー向けの機能向上を実現しています。また、APIを支えるモデルを迅速に更新できることから、最新かつ最も高性能なモデルへのアクセス提供を今後も続ける計画です。Physical Intelligenceは今回の公開を、コミュニティが発展させられる物理知能の基盤を提供し、エンドツーエンドの自律性を実現するための第一歩と位置付けています。

APIを支えるモデル

発表では、π0やπ0.5のような汎用ロボット基盤モデルが、ロボット導入の課題に取り組む有望な方法として紹介されています。適切なユースケースを見極め、適切なハードウェアを構築するだけでなく、開発者には、目の前のタスクをこなせるだけの知能を備えたモデルが必要です。同社によると、こうしたモデルは物理世界に関する知識と能力の強固な基盤を備えており、新しいタスク、環境、ロボットに適応させるために必要なデータと労力を大幅に削減します。しかし、モデルの適応には依然として、機械学習（ML）インフラ、計算リソース、複雑なデータパイプラインが必要です。

Physical Intelligenceは、これらのモデルのオープンソース版をopenpiリポジトリで公開しています。リポジトリには3種類のモデルがあります。フローベースの視覚・言語・行動モデルであるπ0、FAST行動トークナイザーに基づく自己回帰型の視覚・言語・行動モデルであるπ0-FAST、そして知識の絶縁と同社が呼ぶ手法で学習され、オープンワールドでの汎化性能を高めたπ0のアップグレード版であるπ0.5です。3種類すべてのベースチェックポイントは、ロボットデータを10,000時間超使って事前学習されており、リポジトリはApache-2.0ライセンスで公開されています。Physical Intelligenceは2025年9月にπ0.5とリポジトリのPyTorch対応を公開しました。それに先立つ2025年6月には、DROIDデータセット全体を使って視覚・言語・行動モデルを学習する手順を追加していました。

オープンモデルをローカルで動かすには、推論の場合、メモリが8 GBを超えるNVIDIA GPUが必要で、例としてRTX 4090が挙げられています。また、完全なファインチューニングには、A100やH100などのハードウェア上で70 GBを超えるメモリが必要です。リポジトリはUbuntu 22.04でテストされており、現時点ではほかのオペレーティングシステムに対応していません。リモート推論にも対応しており、この場合、モデルは別のサーバー上で動作し、WebSocket接続を通じてロボットに動作指令を送ります。リポジトリによると、π0は同社独自のロボット向けに開発されており、広く使われているALOHAやDROIDなどのプラットフォームとは異なります。また、チームは、すべての適応の試みが成功するとは考えていません。APIは、この一連のプロセスをホスト型サービスとして引き受けます。ユーザーがデータを提供し、Physical Intelligenceが学習用の計算リソースを管理して、完成したモデルをゲートウェイ経由で提供します。

業界を横断するパートナー企業の導入事例

Physical Intelligenceは、APIを通じて2つの問いに答えようとしていると述べています。多様な業界において、同社のモデルが幅広い用途やロボットハードウェアに対応できるか。そして、開発者がAPIを使って有用で実用的な自律性を目指す反復を、どれほど容易に進められるかです。対応範囲を検証するため、同社はロボットを導入する企業と緊密に連携し、さまざまなタスク、ハードウェア、稼働環境でモデルがどの程度機能するかを確かめています。

発表では、ユタ州に拠点を置き、自律型重機を導入する企業Actorが取り上げられています。同社が実際の商用導入事例と説明する映像では、Actorの自律型ホイールローダーが、機内にオペレーターを乗せずに資材をすくい上げ、ダンプトラックに積み込んでいます。発表で名を挙げられたほかの協業先には、AgRobotics、CloudChef、酪農業界のパートナー、Ultra、Weaveが含まれます。

同社によると、こうした初期の協業を通じて、共通するパターンが見えてきました。裏返しになった衣類、すくったときに中にとどまらない食材、誤った位置に置かれた製造部品など、タスクごとに課題は異なりましたが、改善の手順はほぼ同じでした。実演データを収集し、モデルを学習させ、ロボットでテストし、失敗をもとに次に収集するデータを決めます。Physical Intelligenceは、開発者が最新モデルを使ってこの反復サイクルを自ら実行できるよう、APIを構築したと述べています。

早期アクセスの成果と今後の展開

独立した反復開発を検証するため、Physical Intelligenceは少数の企業にAPIへの早期アクセスを提供し、各社がすぐに使い始め、開発を進めたことに感銘を受けたと述べています。発表では、カリフォルニア州サンフランシスコを拠点とするAlmondが紹介されています。同社は、フィジカルAIの開発者向けの双腕ロボットAxolを開発しており、Axol自身が自らを組み立てることを目標に掲げています。同社によると、チームがPi APIを使って4日間反復開発した後に入手したモデルを動かしながら、Axolは自社の組み立てに使うスペーサーのバリ取りを行いました。

ほかに、ハッカソンのプロジェクトとともに、早期アクセス利用者として紹介されたのは、Argon Robotics、Chef Robotics、Deft、Dream Machines、Formic、Foundry、Frontier Machines、General Instinct、Intuition.dev、Omakase、robot.com、Ultra、Yonduです。紹介されたアプリケーションの大半は、APIを通じてクラウド上で推論を実行しており、日本やスイス、米国内の各地に導入されていました。同社によると、これらの初期導入ではさまざまな環境やタスクが対象となり、改善すべき点として、一部で生じたネットワーク接続の課題などが明らかになりました。

Physical Intelligenceは、これらの事例から、同社が開発するモデルが実用的で役に立つ用途に活用できること、またパートナー企業がAPIを使って方策を独自に反復改善し、それぞれのタスクにおける自律性を高められることが示されたと述べました。一方で、この取り組みはまだ初期段階にあり、開発者からのフィードバックが今後のリリースに反映される見込みだとしています。同社は、研究、インフラ、ハードウェア、人事、オペレーションの各分野で採用を進めています。