Physical Intelligence lancia la versione beta di Pi API per modelli robotici fondazionali

Introduzione alla beta di Pi API

Il 13 ottobre 2026 Physical Intelligence ha annunciato il rilascio della versione beta di Pi API, un’interfaccia che mette a disposizione di sviluppatori esterni i più recenti modelli fondazionali per la robotica. L’accesso è regolato da una lista d’attesa: i candidati devono presentare una descrizione del progetto che intendono realizzare, permettendo all’azienda di selezionare casi d’uso rappresentativi.

Flusso di lavoro dell’API

Secondo la descrizione ufficiale, il processo si articola in quattro fasi:

• Caricamento dati: lo sviluppatore invia i dati del proprio robot alla piattaforma.
• Addestramento mirato: Physical Intelligence esegue l’addestramento sui propri cluster di calcolo, sfruttando le risorse gestite internamente.
• Inferenza ospitata: il modello addestrato è accessibile tramite un gateway dedicato, che consente al robot di ricevere comandi in tempo reale.
• Valutazione e iterazione: i dati di valutazione guidano le successive fasi di addestramento, chiudendo il ciclo di miglioramento continuo.

L’azienda sottolinea che il modello più recente disponibile tramite l’API già offre un addestramento mirato più efficiente in termini di quantità di dati e capacità di apprendimento; inoltre, la possibilità di aggiornare rapidamente i modelli alla base dell’API garantisce accesso continuo alle versioni più avanzate.

I modelli fondazionali alla base dell’API

Physical Intelligence presenta tre modelli principali:

• π0: modello visione‑linguaggio‑azione basato sul flusso.
• π0‑FAST: variante autoregressiva che utilizza il tokenizer di azioni FAST.
• π0.5: versione evoluta di π0, con migliore generalizzazione in scenari non familiari, addestrata mediante “isolamento della conoscenza”.

Tutti i checkpoint sono pre‑addestrati su più di 10.000 ore di dati robotici e distribuiti con licenza Apache‑2.0 nel repository openpi. La versione π0.5 e il supporto a PyTorch sono stati rilasciati nel settembre 2025, mentre nel giugno 2025 sono state aggiunte le istruzioni per addestrare modelli visione‑linguaggio‑azione sull’intero dataset DROID.

Requisiti hardware

Per l’inferenza locale è necessaria una GPU NVIDIA con almeno 8 GB di memoria; l’esempio consigliato è l’RTX 4090. L’addestramento mirato completo richiede più di 70 GB di memoria, tipicamente su schede A100 o H100. Il repository è stato testato su Ubuntu 22.04 e al momento non supporta altri sistemi operativi.

Inferenza remota

L’API permette l’esecuzione del modello su un server dedicato, con streaming delle azioni al robot tramite connessione websocket. Il team precisa che π0 è stato sviluppato per robot propri dell’azienda e che non tutti gli sforzi di adattamento avranno successo, ma la pipeline ospitata consente di delegare le complessità di calcolo e infrastruttura.

Collaborazioni con partner di diversi settori

L’obiettivo di Physical Intelligence è verificare due ipotesi: la versatilità dei modelli su molteplici applicazioni e hardware, e la capacità dell’API di permettere iterazioni rapide verso un’autonomia pratica. Per questo motivo l’azienda ha avviato collaborazioni con distributori robotici per testare le prestazioni su compiti, hardware e ambienti vari.

Esempi di partnership

Tra i casi più evidenti si segnala Actor, società con sede nello Utah che utilizza macchinari pesanti autonomi. Un video dimostrativo mostra una pala gommata autonoma di Actor che raccoglie materiale e lo carica in un autocarro a cassone ribaltabile senza alcun operatore a bordo. Altre collaborazioni includono:

• AgRobotics
• CloudChef (settore lattiero‑caseario)
• Ultra
• Weave

Le sfide affrontate diversificano: capovolgere un indumento, gestire un ingrediente che cade dalla paletta o posizionare correttamente un componente finito. Il processo di miglioramento è stato quasi identico: raccogliere dimostrazioni, addestrare il modello, testarlo sul robot e, a fronte di eventuali errori, decidere quali nuovi dati acquisire.

Risultati dell’accesso anticipato

Physical Intelligence ha concesso a un ristretto gruppo di aziende l’accesso anticipato all’API, osservando una rapida adozione e progressi tangibili. Uno dei casi più citati è Almond, con sede a San Francisco, che sviluppa Axol, un robot a doppio braccio pensato per costruire sé stesso. Dopo quattro giorni di iterazioni con Pi API, Axol è riuscito a correggere i distanziali usati nel proprio assemblaggio, dimostrando l’efficacia del ciclo di feedback.

Altri utenti in fase beta includono:

• Argon Robotics
• Chef Robotics
• Deft
• Dream Machines
• Formic
• Foundry
• Frontier Machines
• General Instinct
• Intuition.dev
• Omakase
• robot.com
• Ultra
• Yondu
• Un progetto hackathon

La maggior parte delle implementazioni ha sfruttato l’inferenza cloud tramite l’API, con deployment che spaziano dal Giappone alla Svizzera e agli Stati Uniti. Alcuni problemi di connettività di rete sono stati segnalati, ma l’azienda li sta già affrontando.

Prospettive future e conclusioni

Physical Intelligence considera questi primi risultati la prova che i suoi modelli possono essere impiegati in applicazioni concrete, consentendo ai partner di iterare autonomamente sulle policy e migliorare l’autonomia dei propri robot. L’iniziativa è ancora in una fase preliminare: i feedback degli sviluppatori guideranno le versioni future dell’API, mentre l’azienda è alla ricerca di talenti nei settori della ricerca, infrastrutture, hardware, risorse umane e operazioni.

In sintesi, la beta di Pi API rappresenta un passo fondamentale verso una “intelligenza fisica” condivisa, dove la comunità di sviluppatori potrà costruire e perfezionare soluzioni robotiche end‑to‑end, riducendo drasticamente i costi di dati e infrastruttura necessari per portare l’autonomia al livello successivo.