Edição em Markdown

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

# Beta da Pi API da Physical Intelligence oferece treinamento gerenciado a equipes de robótica

> A beta da Pi API da Physical Intelligence permite que equipes de robótica selecionadas enviem dados de tarefas, ajustem um modelo em infraestrutura gerenciada e usem inferência hospedada. As equipes ainda precisam dos próprios robôs, demonstrações e avaliações 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.

A Physical Intelligence está abrindo um serviço beta para equipes que querem adaptar seus modelos robóticos às próprias máquinas e tarefas. O [anúncio da Pi API](https://www.pi.website/blog/api-beta), publicado em 13 de outubro, diz que uma equipe pode enviar dados do robô, ajustar um modelo na infraestrutura gerenciada pela Pi e chamar o modelo resultante por inferência hospedada. O acesso começa com uma inscrição, e a Pi diz que receberá equipes em lotes.

Isso muda onde parte do trabalho de engenharia de modelos é feita. Um desenvolvedor de robótica ainda precisa de uma máquina adequada, uma tarefa que valha a automação, demonstrações dessa tarefa e uma forma de testar o modelo na máquina. A Pi propõe operar a camada de treinamento e serviço do modelo que conecta esses elementos. 

## A grande mudança

-  **O que mudou:** A Pi está oferecendo adaptação hospedada de seus modelos robóticos a equipes selecionadas. Seu [repositório openpi](https://github.com/Physical-Intelligence/openpi) já oferece checkpoints de modelos anteriores e exemplos para equipes dispostas a operar sua própria pilha de treinamento; a beta acrescenta um caminho gerenciado para ajuste e inferência.
- **Por que isso importa:** Transferir a infraestrutura de treinamento para a Pi pode permitir que uma equipe de robótica dedique mais esforço a coletar demonstrações úteis e avaliar o comportamento em seus próprios equipamentos. O serviço não fornece o robô, não define uma tarefa bem-sucedida nem comprova uma operação segura para o cliente.
- **O que observar:** O valor da beta dependerá de resultados de tarefas reproduzíveis e de condições de integração viáveis. A Pi descreveu exemplos de parceiros, mas os materiais públicos de lançamento não especificam a versão do modelo, o hardware compatível, preços, contrato de API ou termos de segurança.

## O trabalho que passa para a Pi

A Pi descreve uma sequência: enviar dados, iniciar o ajuste em sua capacidade computacional gerenciada e então usar um gateway hospedado para inferência. Em sua [descrição do fluxo de trabalho](https://www.pi.website/blog/api-beta), os dados de avaliação orientam a próxima iteração. O desenvolvedor coleta demonstrações, treina, testa em um robô e estuda falhas para decidir quais dados reunir a seguir. A API pretende permitir que o desenvolvedor conduza esse ciclo por conta própria enquanto a Pi opera a infraestrutura do modelo.

A [base de código openpi](https://github.com/Physical-Intelligence/openpi) da empresa mostra o caminho anterior, autogerenciado. Ela inclui checkpoints π₀, π₀-FAST e π₀.₅, além de exemplos de conversão de conjuntos de dados, configuração de ajustes e disponibilização de uma política. Os requisitos de GPU e as etapas de preparação de dados explicam por que o treinamento gerenciado pode atrair uma equipe com experiência em robótica, mas pouca infraestrutura de aprendizado de máquina. O anúncio não identifica a versão do modelo beta; portanto, os modelos de código aberto não devem ser confundidos com o modelo específico servido pela API.

A Pi diz que seu modelo de API mais recente tem recursos aprimorados e permite ajuste mais eficiente em dados para parceiros. A publicação de lançamento não apresenta um conjunto de dados comparativo, protocolo de benchmark ou taxas de sucesso de tarefas para quantificar essa afirmação. Também diz que a maioria das aplicações destacadas usou inferência hospedada na nuvem e que algumas enfrentaram problemas de conectividade. Isso importa para uma máquina móvel cujo ciclo de controle depende de um serviço remoto, embora a publicação não especifique requisitos de latência ou confiabilidade.

## O que uma equipe precisa trazer

A [inscrição para a beta](https://www.pi.website/waitlist) pergunta quem da equipe treinaria a política, qual experiência tem com dados robóticos e avaliação de políticas, que tarefa específica pretende realizar e quanto possui de dados de teleoperação ou simulação. Também pergunta número e tipo de robôs, local preferido para inferência e critérios de sucesso da tarefa. São perguntas da inscrição, não limites de elegibilidade publicados nem garantias de inferência local. O formulário oferece nuvem, local, ambos ou incerto; o lançamento descreve inferência hospedada.

Essas perguntas apontam para o que o serviço não pode automatizar para o cliente: decidir o que é comportamento correto em um robô específico e medi-lo nesse robô. A Pi descreve parceiros iniciais repetindo ciclos de demonstrações, testes e falhas. Os exemplos incluem [o Axol da Almond](https://www.pi.website/blog/api-beta), um robô de dois braços mostrado removendo rebarbas de espaçadores usados na montagem após quatro dias de iterações com a API. A Pi também descreve um carregador de rodas Actor recolhendo e carregando material em uma implantação comercial. São relatos e vídeos selecionados pela Pi, não medições independentes de confiabilidade geral, segurança ou desempenho em diferentes hardwares.

O caminho público atual é [solicitar acesso à beta](https://www.pi.website/waitlist). Nos materiais analisados aqui, a Pi não publicou contrato aberto da API, esquemas de requisição e resposta, nome do modelo beta, matriz de compatibilidade de hardware, preços, termos de tratamento de dados ou acordo de segurança. Uma equipe que avalie o serviço precisaria desses termos e de testes repetidos com seus próprios robôs antes de decidir se a inferência hospedada serve a uma operação real.

## Cobertura relacionada

A BIG CHANGE já examinou [a política robótica da Runway treinada com vídeos](https://bigchange.ai/blog/runway-praxis-1-video-pretraining-robot-control) e [fábrica japonesa de dados para humanoides](https://bigchange.ai/blog/japan-physical-ai-humanoid-data-factory-model-grant). Elas tratam de trabalhos relacionados a modelos e dados. O anúncio da Pi em 13 de outubro é um evento separado de abertura de acesso a serviço.

## Fontes e leituras adicionais

- [Physical Intelligence, “Frontier Models for Every Robot: Announcing our API beta”](https://www.pi.website/blog/api-beta)(13 de outubro de 2026). Relato do desenvolvedor sobre upload, ajuste, inferência hospedada e ciclo de avaliação, com demonstrações selecionadas de parceiros. As descrições de desempenho e implantação são alegações da empresa.
- [Physical Intelligence, inscrição para a beta da API](https://www.pi.website/waitlist)(consultada em 14 de outubro de 2026). Documenta o ingresso em lotes e as informações solicitadas aos candidatos. As opções do formulário não comprovam a existência de um produto de inferência local.
- [Physical Intelligence, repositório openpi](https://github.com/Physical-Intelligence/openpi)(consultado em 14 de outubro de 2026). Documenta checkpoints de modelos divulgados e exemplos de ajuste autogerenciado. Não documenta o contrato da nova beta nem identifica o modelo servido.

## Sources

- [Physical Intelligence: Frontier Models for Every Robot](https://www.pi.website/blog/api-beta) — Relato da empresa sobre o fluxo da beta, exemplos selecionados de parceiros e experiências iniciais de implantação; as alegações são atribuídas.
- [Physical Intelligence: inscrição para acesso à API](https://www.pi.website/waitlist) — Ingresso em lotes e perguntas aos candidatos; as opções do formulário não são garantias do serviço.
- [Physical Intelligence: openpi](https://github.com/Physical-Intelligence/openpi) — Modelos abertos anteriores e caminho autogerenciado de ajuste e serviço; não especifica o modelo ou contrato da beta.