Physical Intelligence, Robot Temel Modelleri için Pi API Beta Sürümünü Kullanıma Açtı

Physical Intelligence, 13 Ekim 2026’da Pi API beta sürümünü duyurdu ve en yeni robotik temel modellerini barındırılan ince ayar ve çıkarım işlemleri için dışarıdan geliştiricilerin kullanımına sundu. Beta sürümüne erişim bekleme listesi üzerinden sağlanıyor; başvuru sahiplerinden ne geliştirmek istediklerini açıklamaları isteniyor.

Duyuruda açıklanan iş akışında geliştirici, robot verilerini yükleyip Physical Intelligence’ın yönettiği işlem kaynakları ve altyapı üzerinde ince ayar sürecini başlatıyor; ardından robotunda çıkarım yapmak için ince ayar uygulanmış modele barındırılan bir ağ geçidi üzerinden erişiyor. Değerlendirme verileri daha sonraki yinelemelere yön veriyor. Şirket, API üzerinden sunulan en yeni modelin ortakları için şimdiden verileri daha verimli kullanan bir ince ayar süreci ve daha gelişmiş yetenekler sağladığını söyledi. Ayrıca API’nin temelindeki modelleri hızla güncelleyebildiğinden, en yeni ve en yetenekli modellerine erişim sağlamayı sürdüreceğini belirtti. Physical Intelligence, bu lansmanı topluluğun üzerine inşa edebileceği bir fiziksel zekâ temeli sunma ve uçtan uca otonomi sağlamaya yönelik ilk adımı olarak nitelendirdi.

API’nin Arkasındaki Modeller

Duyuruda, π0 ve π0.5 gibi genel amaçlı robotik temel modeller, robotları sahada kullanıma sunma zorluğunun üstesinden gelmek için umut vadeden bir yol olarak ele alınıyor: Doğru kullanım alanını belirleyip uygun donanımı geliştirmenin yanı sıra, geliştiricilerin görevleri yerine getirebilecek kadar akıllı modellere ihtiyacı var. Şirket, bu modellerin güçlü bir fiziksel bilgi ve yetenek temeli sunduğunu, bunun da yeni görevlere, ortamlara veya robotlara uyum sağlamak için gereken veri ve çabayı önemli ölçüde azalttığını; ancak modelleri uyarlamanın yine de makine öğrenimi altyapısı, işlem gücü ve karmaşık veri işlem hatları gerektirdiğini belirtti.

Physical Intelligence, bu modellerin açık kaynaklı sürümlerini openpi deposunda yayımlıyor. Depoda üç tür model bulunuyor: akış tabanlı bir görsel-dil-eylem modeli olan π0; FAST eylem belirteçleyicisini temel alan, otoregresif bir görsel-dil-eylem modeli olan π0-FAST; ve daha iyi açık dünya genellemesi sunan, şirketin bilgi yalıtımı adını verdiği bir yöntemle eğitilmiş, π0’ın yükseltilmiş sürümü π0.5. Üç modelin de temel kontrol noktaları 10.000 saatin üzerinde robot verisiyle önceden eğitilmiş durumda ve depo Apache-2.0 lisansı altında yayımlanıyor. Physical Intelligence, Haziran 2025’te tam DROID veri kümesiyle görsel-dil-eylem modellerini eğitme talimatlarını eklemesinin ardından, Eylül 2025’te π0.5’i ve depo için PyTorch desteğini yayımladı.

Açık modelleri yerel olarak çalıştırmak için çıkarım sırasında 8 GB’tan fazla belleğe sahip bir NVIDIA GPU gerekiyor; örnek olarak RTX 4090 veriliyor. Tam ince ayar içinse A100 veya H100 gibi donanımlarda 70 GB’tan fazla bellek gerekiyor. Depo Ubuntu 22.04 üzerinde test edildi ve şu anda diğer işletim sistemlerini desteklemiyor. Ayrıca, modelin ayrı bir sunucuda çalıştığı ve eylemleri WebSocket bağlantısı üzerinden robota aktardığı uzaktan çıkarım özelliğini de destekliyor. Depoda, π0’ın şirketin kendi robotları için geliştirildiği; bu robotların ALOHA ve DROID gibi yaygın platformlardan farklı olduğu ve ekibin her uyarlama girişiminin başarılı olmasını beklemediği belirtiliyor. API, bu işlem hattını barındırılan bir hizmet olarak üstleniyor: Kullanıcılar verileri sağlıyor, Physical Intelligence ise eğitim için gereken işlem gücünü yönetiyor ve tamamlanmış modeli ağ geçidi üzerinden sunuyor.

Farklı Sektörlerdeki İş Ortağı Uygulamaları

Physical Intelligence, API ile iki soruya yanıt aradığını söyledi: Modelleri farklı sektörlerde çok çeşitli uygulamaları ve robotik donanımları destekleyebiliyor mu ve API, geliştiricilerin faydalı, pratik otonomiye ulaşmak için yineleme yapmasını ne kadar kolaylaştırıyor? Şirket, kapsamı sınamak için robotları sahada kullanan şirketlerle yakın iş birliği yapıyor ve modellerinin farklı görevlerde, donanımlarda ve çalışma ortamlarında ne kadar iyi performans gösterdiğini bu iş birlikleriyle doğruluyor.

Duyuruda, Utah’ta bulunan ve otonom ağır iş makineleri kullanan Actor’a yer veriliyor. Şirketin gerçek bir ticari uygulama olarak tanımladığı görüntülerde, Actor’ın otonom lastik tekerlekli yükleyicisi malzemeyi alıp makinenin içinde operatör olmadan bir damperli kamyona yüklüyor. Duyuruda adı geçen diğer iş birlikleri arasında AgRobotics, CloudChef, bir süt ürünleri şirketi olan iş ortağı, Ultra ve Weave de bulunuyor.

Şirket, bu ilk iş birliklerinde ortak bir örüntünün ortaya çıktığını söyledi. Karşılaşılan zorluklar görevden göreve değişiyordu: Ters çevrilmiş bir giysiden, kepçede durmayan bir malzemeye ve yanlış konumda duran bir üretim parçasına kadar farklı sorunlar vardı. Ancak iyileştirme süreci büyük ölçüde aynıydı: Gösterimler toplamak, bir modeli eğitmek, robot üzerinde test etmek ve sonraki aşamada hangi verilerin toplanacağına başarısızlıklara bakarak karar vermek. Physical Intelligence, geliştiricilerin en yeni modellerini kullanarak bu yineleme döngüsünü kendilerinin yürütebilmesi için API’yi geliştirdiğini söyledi.

Erken Erişim Sonuçları ve Sonraki Adımlar

Bağımsız yineleme sürecini sınamak için Physical Intelligence, az sayıda şirkete API’ye erken erişim verdi. Şirket, bu şirketlerin çalışmaya ne kadar hızlı başladığından ve ilerleme kaydetmeye koyulmasından etkilendiğini söyledi. Duyuruda, merkezi San Francisco, California’da bulunan ve fiziksel yapay zekâ geliştiricileri için Axol adlı çift kollu bir robot üreten Almond’a yer veriliyor. Almond’un belirttiği hedef, Axol’un kendisini üretmesi. Şirkete göre Axol, ekibin Pi API ile dört gün boyunca yineleme yaptıktan sonra edindiği bir modeli çalıştırırken kendi montajında kullanılan ara parçaların çapaklarını aldı.

Gösterilen diğer erken erişim kullanıcıları arasında Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra ve Yondu’nun yanı sıra bir hackathon projesi de yer alıyor. Gösterilen uygulamaların çoğu, API üzerinden bulutta barındırılan çıkarım kullanılarak çalıştırıldı; dağıtımlar Japonya’dan İsviçre’ye ve ABD’nin çeşitli bölgelerine kadar uzanıyordu. Şirket, bu erken dağıtımların farklı ortamları ve görevleri kapsadığını belirtti ve bazıları için ağ bağlantısı sorunları da dâhil olmak üzere iyileştirilmesi gereken alanlara dikkat çekti.

Physical Intelligence, örneklerin geliştirdiği modellerin gerçek ve kullanışlı uygulamalarda kullanılabileceğini; iş ortaklarının da API’yi kullanarak politikalarda bağımsız biçimde yineleme yapabildiğini ve görevlerinde özerkliği artırabildiğini gösterdiğini belirtti. Şirket, bu çalışmaların henüz erken aşamada olduğunu ve geliştiricilerden alınacak geri bildirimlerin gelecekteki sürümlerin şekillenmesine yardımcı olacağını ifade etti. Şirket; araştırma, altyapı, donanım, insan kaynakları ve operasyon alanlarında işe alım yapıyor.