Edición en Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# La beta de Pi API de Physical Intelligence ofrece entrenamiento gestionado a equipos de robótica

> La beta de Pi API de Physical Intelligence permite a determinados equipos de robótica cargar datos de tareas, ajustar un modelo en infraestructura gestionada y usar inferencia alojada. Los equipos siguen necesitando sus propios robots, demostraciones y evaluaciones repetidas.

By BIG CHANGE Editorial

Published: 2026-10-14T20:06:16.947Z
Updated: 2026-10-14T20:06:16.947Z
Canonical: https://bigchange.ai/blog/physical-intelligence-pi-api-beta-robot-training

![Conceptual charcoal illustration of an unbranded wheel loader tipping aggregate into a dump truck at an outdoor material yard.](https://bigchange.ai/api/media/file/pi-api-loader-truck-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no actual Physical Intelligence or partner equipment, deployment or API result is depicted.

Physical Intelligence abre un servicio beta para equipos que quieran adaptar sus modelos robóticos a sus propias máquinas y tareas. El [anuncio de Pi API](https://www.pi.website/blog/api-beta), publicado el 13 de octubre, indica que un equipo puede subir datos del robot, ajustar un modelo en infraestructura gestionada por Pi y llamar al modelo resultante mediante inferencia alojada. El acceso empieza con una solicitud y Pi dice que incorporará equipos por tandas.

Esto cambia dónde se lleva a cabo parte de la ingeniería de modelos. Un desarrollador de robótica sigue necesitando una máquina adecuada, una tarea que merezca automatizarse, demostraciones de esa tarea y un método para probar el modelo en la máquina. Pi propone ejecutar la capa de entrenamiento y servicio del modelo que conecta esos elementos. 

## El gran cambio

-  **Qué ha cambiado:** Pi ofrece adaptación alojada de sus modelos robóticos a equipos seleccionados. Su repositorio público [openpi](https://github.com/Physical-Intelligence/openpi) ya ofrece puntos de control de modelos anteriores y ejemplos para quienes estén dispuestos a gestionar su propia infraestructura de entrenamiento; la beta añade una vía gestionada de ajuste e inferencia.
- **Por qué importa:** Trasladar a Pi la infraestructura de entrenamiento podría permitir que un equipo de robótica dedique más esfuerzo a recopilar demostraciones útiles y evaluar el comportamiento en sus propios equipos. El servicio no proporciona el robot, no define qué tarea se considera exitosa ni demuestra que el cliente pueda operar con seguridad.
- **Qué observar:** El valor de la beta dependerá de que los resultados de las tareas sean repetibles y de que los términos de integración sean viables. Pi ha descrito ejemplos de socios, pero el material público del lanzamiento no especifica versión del modelo, hardware compatible, precios, contrato de API ni condiciones de seguridad.

## El trabajo que pasa a Pi

Pi describe una secuencia: subir datos, iniciar el ajuste en su capacidad de cómputo gestionada y, después, usar una puerta de enlace alojada para inferencia. En su [descripción del flujo de trabajo](https://www.pi.website/blog/api-beta) , los datos de evaluación guían la siguiente iteración. El desarrollador recopila demostraciones, entrena, prueba en un robot y estudia los fallos para decidir qué datos recoger después. La API pretende que el desarrollador ejecute ese ciclo de forma independiente mientras Pi opera la infraestructura del modelo.

La [base de código openpi](https://github.com/Physical-Intelligence/openpi) de la empresa muestra la ruta anterior, autogestionada. Incluye los puntos de control π₀, π₀-FAST y π₀.₅, además de ejemplos para convertir un conjunto de datos, configurar el ajuste y servir una política. Los requisitos de GPU y los pasos de preparación de datos que publica explican por qué puede interesar el entrenamiento gestionado a un equipo con conocimientos de robótica, pero con infraestructura de aprendizaje automático limitada. El anuncio no identifica la versión del modelo beta, así que no debe confundirse el modelo de código abierto con el modelo concreto servido por la API.

Pi afirma que su modelo de API más reciente tiene mejores capacidades y permite ajustar con los datos de los socios de forma más eficiente. La publicación no aporta un conjunto de datos comparativo, un protocolo de referencia ni tasas de éxito de tareas que cuantifiquen esa afirmación. También dice que la mayoría de las aplicaciones destacadas usaron inferencia alojada en la nube y que algunas tuvieron problemas de conectividad. Ese detalle importa para una máquina móvil cuyo bucle de control depende de un servicio remoto, aunque la publicación no especifica requisitos de latencia ni fiabilidad.

## Qué debe aportar un equipo

La [solicitud para la beta](https://www.pi.website/waitlist) pregunta quién del equipo entrenaría la política, qué experiencia tiene con datos robóticos y evaluación de políticas, qué tarea concreta quiere realizar y cuántos datos de teleoperación o simulación posee. También pregunta cuántos robots hay y de qué tipo, dónde se prefiere ejecutar la inferencia y cuáles son los criterios de éxito de la tarea. Son preguntas de solicitud, no umbrales de elegibilidad publicados ni garantías de que exista inferencia local. El formulario ofrece nube, local, ambas y no se sabe; el lanzamiento describe inferencia alojada.

Las preguntas señalan lo que el servicio no puede automatizar por el cliente: decidir qué significa un comportamiento correcto en un robot concreto y medirlo en ese robot. Pi describe a sus primeros socios repitiendo ciclos de demostraciones, pruebas y fallos. Entre sus ejemplos figura [Axol, de Almond](https://www.pi.website/blog/api-beta), un robot de dos brazos que, según se muestra, desbarba separadores usados en un montaje tras cuatro días de iteraciones con la API. Pi también describe una cargadora de ruedas Actor que recoge y carga material en una implantación comercial. Son casos y vídeos seleccionados por Pi, no mediciones independientes de fiabilidad, seguridad o rendimiento general en distintos equipos.

La vía pública actual consiste en [solicitar acceso a la beta](https://www.pi.website/waitlist). En los materiales revisados, Pi no ha publicado un contrato de API abierto, esquemas de petición y respuesta, el nombre del modelo beta, una matriz de compatibilidad de hardware, precios, condiciones de tratamiento de datos ni un acuerdo de seguridad. Un equipo que evalúe el servicio necesitaría esos términos y pruebas repetidas con sus propios robots antes de juzgar si la inferencia alojada encaja en una operación real.

## Cobertura relacionada

BIG CHANGE ya había examinado [la política robótica de Runway entrenada con vídeo](https://bigchange.ai/blog/runway-praxis-1-video-pretraining-robot-control) and [fábrica japonesa de datos para humanoides](https://bigchange.ai/blog/japan-physical-ai-humanoid-data-factory-model-grant). Abordan trabajos relacionados con modelos y datos. El anuncio de Pi del 13 de octubre es un acontecimiento distinto de acceso a un servicio.

## Fuentes y lecturas adicionales

- [Physical Intelligence, «Frontier Models for Every Robot: Announcing our API beta»](https://www.pi.website/blog/api-beta)(13 de octubre de 2026). Relato del desarrollador sobre carga de datos, ajuste, inferencia alojada y ciclo de evaluación, con demostraciones seleccionadas de socios. Las descripciones de rendimiento e implantación son afirmaciones de la empresa.
- [Physical Intelligence, solicitud para la beta de API](https://www.pi.website/waitlist)(consultada el 14 de octubre de 2026). Documenta la incorporación por tandas y la información solicitada a quienes presentan una solicitud. Las opciones del formulario no demuestran que exista un producto de inferencia local.
- [Physical Intelligence, repositorio openpi](https://github.com/Physical-Intelligence/openpi)(consultado el 14 de octubre de 2026). Documenta puntos de control publicados y ejemplos de ajuste gestionado por el propio equipo. No especifica el contrato de la nueva beta ni identifica el modelo servido.

## Sources

- [Physical Intelligence: Frontier Models for Every Robot](https://www.pi.website/blog/api-beta) — Relato de la empresa sobre el flujo de la beta, ejemplos seleccionados de socios y la experiencia inicial de despliegue; las afirmaciones se atribuyen a la empresa.
- [Physical Intelligence: solicitud de acceso a la API](https://www.pi.website/waitlist) — Incorporación por tandas y preguntas para solicitantes; las opciones del formulario no son garantías del servicio.
- [Physical Intelligence: openpi](https://github.com/Physical-Intelligence/openpi) — Modelos abiertos anteriores y vía de ajuste y servicio autogestionada; no especifica el modelo ni el contrato de la beta.