Physical Intelligence, 로봇 파운데이션 모델용 Pi API 베타 공개

Physical Intelligence는 2026년 10월 13일 Pi API 베타를 발표하고, 최신 로봇 파운데이션 모델을 외부 개발자들이 호스팅 방식의 미세 조정과 추론에 이용할 수 있도록 했다. 베타 이용 신청은 대기자 명단을 통해 받으며, 신청자는 무엇을 만들고 싶은지 설명해야 한다.

발표에서 제시한 작업 흐름에 따르면, 개발자는 로봇 데이터를 업로드하고 Physical Intelligence가 관리하는 컴퓨팅 자원과 인프라를 이용해 미세 조정을 시작한 뒤, 호스팅 게이트웨이를 통해 미세 조정된 모델에 접속해 로봇에서 추론을 실행한다. 이후 평가 데이터가 다음 반복 작업의 방향을 제시한다. 회사는 API를 통해 현재 이용할 수 있는 최신 모델이 이미 파트너에게 데이터 효율성이 더 높은 미세 조정과 향상된 기능을 제공한다고 밝혔다. 또한 API를 뒷받침하는 모델을 빠르게 업데이트할 수 있으므로, 앞으로도 최신 모델과 가장 뛰어난 성능의 모델을 계속 이용할 수 있도록 할 계획이라고 전했다. Physical Intelligence는 이번 공개가 커뮤니티가 기반으로 삼을 수 있는 물리 지능 기반을 제공하고 엔드투엔드 자율성을 구현하기 위한 첫 단계라고 설명했다.

API를 뒷받침하는 모델

발표에서는 π0와 π0.5 같은 범용 로봇 파운데이션 모델이 로봇 배치의 어려움을 해결할 유망한 방법이라고 설명한다. 적절한 사용 사례를 찾고 알맞은 하드웨어를 만드는 것만으로는 충분하지 않으며, 개발자에게는 당면한 작업을 수행할 만큼 지능적인 모델도 필요하다. 회사에 따르면 이러한 모델은 물리적 지식과 역량을 탄탄하게 갖추고 있어 새로운 작업, 환경 또는 로봇에 적용하는 데 필요한 데이터와 노력을 크게 줄여 준다. 그러나 모델을 적용하려면 여전히 머신러닝 인프라와 컴퓨팅 자원, 복잡한 데이터 파이프라인이 필요하다.

Physical Intelligence는 openpi 저장소에서 이러한 모델의 오픈 소스 버전을 공개한다. 저장소에는 세 가지 유형의 모델이 포함되어 있다. 흐름 기반 비전-언어-행동 모델인 π0, FAST 액션 토크나이저를 기반으로 한 자기회귀 비전-언어-행동 모델인 π0-FAST, 그리고 지식 절연이라는 회사의 학습 방법을 적용해 오픈월드 일반화 성능을 높인 π0의 업그레이드 버전인 π0.5다. 세 모델의 기본 체크포인트는 모두 10,000시간이 넘는 로봇 데이터로 사전 학습되었으며, 저장소는 Apache-2.0 라이선스로 공개된다. Physical Intelligence는 2025년 6월 전체 DROID 데이터 세트로 비전-언어-행동 모델을 학습하는 방법을 추가한 데 이어, 2025년 9월 π0.5와 저장소의 PyTorch 지원을 공개했다.

오픈 모델을 로컬에서 실행하려면 추론용으로 메모리가 8GB를 초과하는 NVIDIA GPU가 필요하며, 예시로 RTX 4090이 제시되어 있다. 전체 미세 조정을 하려면 A100이나 H100 같은 하드웨어에서 메모리가 70GB를 초과해야 한다. 저장소는 Ubuntu 22.04에서 테스트되었으며, 현재 다른 운영체제는 지원하지 않는다. 원격 추론도 지원하는데, 이 방식에서는 모델이 별도 서버에서 실행되고 웹소켓 연결을 통해 로봇으로 동작을 전송한다. 저장소 설명에 따르면 π0는 회사 자체 로봇을 위해 개발되었으며, 이 로봇은 ALOHA와 DROID 같은 널리 사용되는 플랫폼과 다르다. 또한 팀은 모든 적용 시도가 성공할 것으로 기대하지 않는다. API는 이 파이프라인을 호스팅 서비스로 제공한다. 사용자는 데이터를 제공하고 Physical Intelligence는 학습용 컴퓨팅 자원을 관리하며 게이트웨이를 통해 완성된 모델을 제공한다.

다양한 산업 분야의 파트너 배치

Physical Intelligence는 API를 통해 두 가지 질문에 답하고자 했다고 밝혔다. 첫째, 자사 모델이 다양한 산업 분야의 폭넓은 응용 분야와 로봇 하드웨어를 지원하는지, 둘째, API를 이용하면 개발자가 유용하고 실용적인 자율성을 향해 얼마나 쉽게 반복 개선을 진행할 수 있는지다. 적용 범위의 폭을 시험하기 위해 회사는 로봇을 배치하는 기업들과 긴밀히 협력하며, 이러한 협업을 통해 서로 다른 작업과 하드웨어, 운영 환경 전반에서 자사 모델의 성능을 검증한다.

발표에는 자율 중장비를 배치하는 유타주 소재 기업 Actor가 소개됐다. 회사가 실제 상업 현장 배치라고 설명한 영상에서 Actor의 자율 휠로더는 기계 안에 운전자가 전혀 탑승하지 않은 채 자재를 퍼 올려 덤프트럭에 싣는다. 발표에서 언급된 다른 협력사로는 AgRobotics, CloudChef, 낙농업 분야 파트너, Ultra, Weave가 있다.

회사는 초기 협업을 진행하면서 공통적인 양상이 나타났다고 밝혔다. 작업마다 어려움은 달랐다. 뒤집힌 옷, 뜰채에 담아도 계속 흘러내리는 재료, 잘못된 위치에 놓인 제조 부품 등 문제는 다양했지만, 개선 과정은 대체로 같았다. 시범 작업을 수집하고, 모델을 학습시키고, 로봇에서 테스트한 뒤, 실패 사례를 바탕으로 다음에 수집할 데이터를 정했다. Physical Intelligence는 개발자가 최신 모델을 활용해 이러한 반복 개선 과정을 직접 수행할 수 있도록 API를 구축했다고 밝혔다.

얼리 액세스 결과와 향후 계획

독립적인 반복 개선이 가능한지 시험하기 위해 Physical Intelligence는 소수의 기업에 API 얼리 액세스를 제공했다. 회사는 이들이 빠르게 시작해 진전을 이루기 시작한 점에 깊은 인상을 받았다고 밝혔다. 발표에서는 캘리포니아주 샌프란시스코에 기반을 둔 Almond를 소개한다. Almond는 물리적 AI 개발자를 위한 양팔 로봇 Axol을 만들며, Axol이 스스로를 만들게 하는 것을 목표로 한다고 밝혔다. 회사에 따르면 Axol은 팀이 Pi API를 4일간 반복적으로 사용해 확보한 모델을 실행하면서 자체 조립에 사용되는 스페이서의 버를 제거했다.

소개된 다른 얼리 액세스 이용자로는 Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra, Yondu와 해커톤 프로젝트가 있다. 소개된 애플리케이션 대부분은 API를 통해 클라우드에서 추론을 실행했으며, 일본과 스위스, 미국 전역의 사이트에 배포됐다. 회사는 이러한 초기 배포가 다양한 환경과 작업을 아우른다고 밝혔으며, 일부 환경에서 발생한 네트워크 연결 문제를 비롯해 개선이 필요한 부분도 언급했다.

Physical Intelligence는 이 사례들이 자사가 개발하는 모델을 실제로 유용한 애플리케이션에 활용할 수 있고, 파트너들이 API를 사용해 각자의 작업에 맞는 정책을 독립적으로 반복 개선하고 자율성을 높일 수 있음을 보여준다고 밝혔다. 한편 아직 초기 단계의 노력이라고 설명하며, 개발자들의 피드백이 향후 출시 제품을 만드는 데 도움이 될 것이라고 덧붙였다. 회사는 연구, 인프라, 하드웨어, 인사, 운영 전반에 걸쳐 채용을 진행하고 있다고 밝혔다.