Physical Intelligence opent bèta van Pi API voor basismodellen voor robots

Physical Intelligence kondigde de bèta van de Pi API aan op 13 oktober 2026. Daarmee stelde het bedrijf zijn nieuwste robotbasismodellen beschikbaar aan externe ontwikkelaars voor gehoste finetuning en inferentie. Toegang tot de bèta verloopt via een wachtlijst. Aanvragers wordt gevraagd te beschrijven wat ze willen bouwen.

Volgens de in de aankondiging beschreven werkwijze uploadt een ontwikkelaar robotgegevens, start die de finetuning op rekenkracht en infrastructuur die Physical Intelligence beheert en gebruikt die het gefinetunede model via een gehoste gateway om inferentie op de robot uit te voeren. Evaluatiegegevens vormen vervolgens de leidraad voor de volgende iteratie. Het bedrijf zei dat het nieuwste model dat via de API beschikbaar is al finetuning met minder gegevens mogelijk maakt en partners betere mogelijkheden biedt. Omdat het de modellen achter de API snel kan bijwerken, is het van plan toegang te blijven bieden tot zijn nieuwste en krachtigste modellen. Physical Intelligence omschreef de lancering als de eerste stap naar het bieden van een basis voor fysieke intelligentie waarop de gemeenschap kan voortbouwen en het mogelijk maken van autonomie van begin tot eind.

De modellen achter de API

In de aankondiging worden algemene robotbasismodellen zoals π0 en π0.5 omschreven als een veelbelovende manier om de uitdaging van robotinzet aan te pakken: naast het kiezen van de juiste toepassing en het bouwen van de juiste hardware hebben ontwikkelaars modellen nodig die intelligent genoeg zijn om de taak in kwestie uit te voeren. Deze modellen bieden een sterke basis van fysieke kennis en vaardigheden, waardoor er aanzienlijk minder gegevens en inspanning nodig zijn om ze aan nieuwe taken, omgevingen of robots aan te passen, aldus het bedrijf. Voor die aanpassing zijn echter nog steeds ML-infrastructuur, rekenkracht en complexe datapijplijnen nodig.

Physical Intelligence publiceert open-sourceversies van deze modellen in de openpi-codeopslagplaats. De opslagplaats bevat drie soorten modellen: π0, een op flow gebaseerd visie-taal-actiemodel; π0-FAST, een autoregressief visie-taal-actiemodel op basis van de FAST-actietokenizer; en π0.5, een verbeterde versie van π0 die beter generaliseert naar ongeziene situaties en is getraind met een methode die het bedrijf kennisisolatie noemt. De basis-checkpoints van alle drie de modellen zijn voorgetraind met meer dan 10.000 uur aan robotgegevens. De opslagplaats is uitgebracht onder de Apache-2.0-licentie. Physical Intelligence bracht π0.5 en ondersteuning voor PyTorch in de opslagplaats uit in september 2025, nadat het in juni 2025 instructies had toegevoegd voor het trainen van visie-taal-actiemodellen met de volledige DROID-dataset.

Om de open modellen lokaal uit te voeren, is een NVIDIA-GPU met meer dan 8 GB geheugen nodig voor inferentie; de RTX 4090 wordt als voorbeeld genoemd. Voor volledige finetuning is meer dan 70 GB geheugen nodig op hardware zoals de A100 of H100. De opslagplaats is getest op Ubuntu 22.04 en ondersteunt momenteel geen andere besturingssystemen. Ook ondersteunt de opslagplaats externe inferentie: daarbij draait een model op een aparte server en worden acties via een websocketverbinding naar de robot gestreamd. Volgens de opslagplaats is π0 ontwikkeld voor de eigen robots van het bedrijf, die verschillen van veelgebruikte platforms zoals ALOHA en DROID. Het team verwacht bovendien niet dat elke aanpassingspoging zal slagen. De API neemt die pijplijn over als gehoste dienst: gebruikers leveren de gegevens aan, waarna Physical Intelligence de rekenkracht voor de training beheert en het voltooide model via de gateway beschikbaar stelt.

Implementaties bij partners in verschillende sectoren

Physical Intelligence zei met de API antwoord te willen geven op twee vragen: ondersteunen zijn modellen een breed scala aan toepassingen en robottypes in uiteenlopende sectoren, en hoe gemakkelijk stelt de API ontwikkelaars in staat om stapsgewijs toe te werken naar bruikbare, praktische autonomie? Om de veelzijdigheid te testen, werkt het bedrijf nauw samen met bedrijven die robots inzetten. Met deze samenwerkingen gaat het na hoe goed zijn modellen presteren bij verschillende taken, met uiteenlopende hardware en in uiteenlopende werkomgevingen.

In de aankondiging wordt Actor uitgelicht, een bedrijf in Utah dat autonome zware machines inzet. Op beelden die het bedrijf omschreef als een echte commerciële toepassing, schept de autonome wiellader van Actor materiaal op en laadt dat in een kiepwagen, zonder dat er een bestuurder in de machine zit. Andere samenwerkingspartners die in de aankondiging worden genoemd, zijn AgRobotics, CloudChef, een zuivelpartner, Ultra en Weave.

Volgens het bedrijf kwam bij deze eerste samenwerkingen een gemeenschappelijk patroon naar voren. De uitdagingen verschilden per taak: van een kledingstuk dat binnenstebuiten zat tot een ingrediënt dat niet in een schep bleef liggen en een onderdeel voor de productie dat op de verkeerde plek terechtkwam. Het proces om verbeteringen aan te brengen was echter grotendeels hetzelfde: demonstraties verzamelen, een model trainen, het op de robot testen en op basis van de mislukkingen bepalen welke gegevens vervolgens moeten worden verzameld. Physical Intelligence zei de API te hebben gebouwd zodat ontwikkelaars deze iteratiecyclus zelf kunnen doorlopen met de nieuwste modellen van het bedrijf.

Resultaten van vroege toegang en vervolgstappen

Om te testen of bedrijven zelfstandig iteraties konden uitvoeren, gaf Physical Intelligence een klein aantal bedrijven vroegtijdig toegang tot de API. Het bedrijf zei onder de indruk te zijn van hoe snel ze aan de slag gingen en vooruitgang boekten. In de aankondiging wordt Almond uit San Francisco, Californië, uitgelicht. Dit bedrijf bouwt Axol, een robot met twee armen voor ontwikkelaars van fysieke AI. Het verklaarde doel is dat Axol zichzelf bouwt. Volgens het bedrijf ontbraamde Axol afstandsbussen die bij de eigen assemblage worden gebruikt, terwijl het een model uitvoerde dat het team had verkregen na vier dagen itereren met de Pi API.

Andere getoonde gebruikers met vroege toegang zijn Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra en Yondu, naast een hackathonproject. De meeste getoonde toepassingen maakten via de API gebruik van inferentie in de cloud, met implementaties in uiteenlopende locaties: van Japan en Zwitserland tot vestigingen verspreid over de Verenigde Staten. Het bedrijf zei dat deze vroege implementaties een verscheidenheid aan omgevingen en taken omvatten en wees op punten die voor verbetering vatbaar zijn, waaronder problemen met de netwerkverbinding op sommige locaties.

Physical Intelligence zei dat de voorbeelden laten zien dat de modellen die het ontwikkelt kunnen worden ingezet voor praktische, nuttige toepassingen en dat partners de API kunnen gebruiken om zelfstandig hun besturingsstrategieën te verfijnen en de autonomie voor hun taken te verbeteren. Het bedrijf benadrukte dat dit nog een vroeg stadium is en dat feedback van ontwikkelaars toekomstige releases mede vorm zal geven. Het bedrijf werft personeel voor onderzoek, infrastructuur, hardware, personeelszaken en bedrijfsvoering.