Physical Intelligence відкриває бета-версію Pi API для базових моделей роботів

13 жовтня 2026 року Physical Intelligence оголосила про бета-версію Pi API, завдяки якій її найновіші базові моделі роботів стали доступними зовнішнім розробникам для донавчання та інференсу на керованій інфраструктурі. Доступ до бета-версії надається через список очікування; охочих подати заявку просять описати, що саме вони планують створити.

Згідно з описаним в оголошенні робочим процесом, розробник завантажує дані з робота, запускає донавчання на обчислювальних ресурсах та інфраструктурі, якими керує Physical Intelligence, а потім отримує доступ до донавченої моделі через керований шлюз, щоб запускати інференс на своєму роботі. Дані оцінювання допомагають визначити наступний крок ітерації. Компанія повідомила, що найновіша модель, доступна через API, уже забезпечує ефективніше використання даних під час донавчання та кращі можливості для її партнерів. Оскільки компанія може швидко оновлювати моделі, на яких працює API, вона планує й надалі надавати доступ до найновіших і найпотужніших моделей. Physical Intelligence назвала цей запуск першим кроком до створення основи фізичного інтелекту, на якій зможе розбудовувати свої рішення спільнота, і до забезпечення наскрізної автономності.

Моделі, на яких працює API

В оголошенні базові моделі роботів загального призначення, як-от π0 і π0.5, названо перспективним способом розв’язання проблеми впровадження роботів: окрім вибору відповідного сценарію використання та створення потрібного обладнання, розробникам потрібні моделі, достатньо інтелектуальні, щоб виконувати поставлені завдання. За словами компанії, ці моделі забезпечують надійну основу фізичних знань і можливостей, що істотно зменшує обсяг даних і зусиль, необхідних для адаптації до нових завдань, середовищ або роботів. Однак для такої адаптації все одно потрібні інфраструктура машинного навчання, обчислювальні ресурси та складні конвеєри даних.

Physical Intelligence публікує версії цих моделей із відкритим вихідним кодом у своєму репозиторії openpi. У репозиторії є три типи моделей: π0 — модель «зір-мова-дія» на основі потоків; π0-FAST — авторегресійна модель «зір-мова-дія», побудована на токенізаторі дій FAST; і π0.5 — удосконалена версія π0 із кращою здатністю до узагальнення у відкритому світі, навчена методом, який компанія називає ізоляцією знань. Базові контрольні точки всіх трьох моделей попередньо навчено на понад 10 000 годинах даних із роботів, а репозиторій поширюється за ліцензією Apache-2.0. У вересні 2025 року Physical Intelligence випустила π0.5 і додала підтримку PyTorch для репозиторію; перед цим, у червні 2025 року, компанія додала інструкції з навчання моделей «зір-мова-дія» на повному наборі даних DROID.

Для локального запуску моделей із відкритим кодом під час інференсу потрібен графічний процесор NVIDIA із понад 8 ГБ пам’яті; як приклад наведено RTX 4090. Для повного донавчання потрібна система з понад 70 ГБ пам’яті, наприклад на базі A100 або H100. Репозиторій протестовано на Ubuntu 22.04; наразі інші операційні системи не підтримуються. Також підтримується віддалений інференс: модель працює на окремому сервері й передає команди роботу через вебсокет-з’єднання. У репозиторії зазначено, що π0 розробляли для власних роботів компанії, які відрізняються від широко використовуваних платформ, як-от ALOHA і DROID, і що команда не очікує успіху від кожної спроби адаптації. API переносить цей процес у кероване хмарне середовище: користувачі надають дані, а Physical Intelligence забезпечує обчислювальні ресурси для навчання та надає готову модель через свій шлюз.

Впровадження роботів у партнерів у різних галузях

Physical Intelligence повідомила, що за допомогою API прагнула відповісти на два запитання: чи підходять її моделі для широкого спектра застосувань і роботизованого обладнання в різних галузях, а також наскільки легко API дає розробникам змогу поступово вдосконалювати моделі, наближаючись до корисної практичної автономності. Щоб перевірити широту застосування, компанія тісно співпрацює з підприємствами, які впроваджують роботів, і використовує ці партнерства, щоб оцінити, наскільки добре її моделі працюють із різними завданнями, обладнанням та умовами експлуатації.

В оголошенні розповідається про Actor — компанію з Юти, яка впроваджує автономну важку техніку. На відео, яке компанія назвала записом реального комерційного впровадження, автономний фронтальний навантажувач Actor зачерпує матеріал і завантажує його в самоскид без оператора в кабіні. Серед інших партнерів, згаданих в оголошенні, — AgRobotics, CloudChef, партнер із молочної галузі, Ultra та Weave.

За словами компанії, у межах цих перших партнерств виявилася спільна закономірність. Проблеми відрізнялися залежно від завдання: потрібно було вивернути одяг лицьовим боком назовні, впоратися з інгредієнтом, який не тримався в совку, або виправити неправильне положення деталі на виробничій лінії. Однак процес удосконалення був майже однаковим: зібрати демонстраційні дані, навчити модель, протестувати її на роботі й використати невдалі спроби, щоб визначити, які дані збирати далі. У Physical Intelligence повідомили, що створили API, аби розробники могли самостійно проходити цей цикл ітерацій із використанням найновіших моделей компанії.

Результати раннього доступу та подальші кроки

Щоб перевірити, як відбуваються самостійні ітерації, Physical Intelligence надала обмеженій кількості компаній ранній доступ до API й повідомила, що була вражена тим, як швидко вони розпочали роботу та досягли перших результатів. В оголошенні окремо згадано Almond із Сан-Франциско, штат Каліфорнія. Компанія створює Axol — дворукого робота для фахівців із фізичного ШІ, мета якого, за заявою розробників, — зібрати самого себе. За словами компанії, під час роботи моделі, яку команда отримала після чотирьох днів ітерацій із Pi API, Axol зняв задирки з розпірок, що використовуються під час його власного складання.

Серед інших показаних користувачів, які отримали ранній доступ, — Argon Robotics, Chef Robotics, Deft, Dream Machines, Formic, Foundry, Frontier Machines, General Instinct, Intuition.dev, Omakase, robot.com, Ultra та Yondu, а також проєкт із хакатону. Більшість показаних застосунків використовували інференс у хмарі через API; їх розгортали в різних місцях — від Японії до Швейцарії та по всій території США. Компанія повідомила, що ці ранні розгортання охоплювали різні середовища й завдання та виявили сфери для вдосконалення, зокрема проблеми з підключенням до мережі в деяких випадках.

У Physical Intelligence заявили, що наведені приклади демонструють: розроблені компанією моделі можна застосовувати для реальних і корисних завдань, а її партнери можуть самостійно вдосконалювати політики керування через API та підвищувати автономність роботів під час виконання своїх завдань. Водночас компанія наголосила, що ця робота все ще перебуває на ранньому етапі, а відгуки розробників допоможуть формувати майбутні випуски. Компанія шукає працівників у сферах досліджень, інфраструктури, апаратного забезпечення, роботи з персоналом та операційної діяльності.