Edição Markdown

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

# A versão beta da Pi API da Physical Intelligence oferece treino gerido a equipas de robótica

> A versão beta da Pi API da Physical Intelligence permite a equipas de robótica selecionadas carregar dados de tarefas, ajustar um modelo em infraestrutura gerida e usar inferência alojada. As equipas continuam a precisar dos seus 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 a abrir um serviço beta para equipas que pretendem adaptar os seus modelos robóticos às próprias máquinas e tarefas. O [anúncio da Pi API](https://www.pi.website/blog/api-beta), publicado a 13 de outubro, afirma que uma equipa pode carregar dados do robô, ajustar um modelo na infraestrutura gerida pela Pi e chamar o modelo resultante através de inferência alojada. O acesso começa com uma candidatura, e a Pi diz que integra equipas por fases.

Isto altera o local onde decorre parte da engenharia do modelo. Um programador de robótica continua a precisar de uma máquina adequada, de uma tarefa que valha a pena automatizar, de demonstrações dessa tarefa e de uma forma de testar o modelo na máquina. A Pi propõe executar a camada de treino e disponibilização do modelo que liga esses elementos. 

## A grande mudança

-  **O que mudou:** A Pi oferece adaptação alojada dos seus modelos robóticos a equipas selecionadas. O seu repositório público [openpi](https://github.com/Physical-Intelligence/openpi) já fornece pontos de verificação de modelos anteriores e exemplos para equipas dispostas a executar a sua própria pilha de treino; a beta acrescenta uma via gerida de ajuste e inferência.
- **Porque é importante:** Transferir a infraestrutura de treino para a Pi poderá permitir que uma equipa de robótica dedique mais esforço à recolha de demonstrações úteis e à avaliação do comportamento no seu próprio equipamento. O serviço não fornece o robô, não define uma tarefa bem-sucedida nem demonstra que o cliente possa operar em segurança.
- **O que acompanhar:** O valor da beta dependerá de resultados de tarefas repetíveis e de condições de integração viáveis. A Pi descreveu exemplos de parceiros, mas o material público de lançamento não especifica a versão do modelo, o hardware compatível, os preços, o contrato da API nem as condições de segurança.

## O trabalho que passa para a Pi

A Pi descreve uma sequência: carregar dados, iniciar o ajuste na capacidade computacional gerida pela empresa e, depois, usar um gateway alojado para inferência. Na sua [descrição do fluxo de trabalho](https://www.pi.website/blog/api-beta) , os dados de avaliação orientam a iteração seguinte. O programador recolhe demonstrações, treina, testa num robô e estuda as falhas para decidir que dados recolher a seguir. A API pretende permitir que o programador execute esse ciclo de forma independente enquanto a Pi opera a infraestrutura do modelo.

A [base de código openpi](https://github.com/Physical-Intelligence/openpi) da empresa mostra a via anterior de auto-gestão. Inclui pontos de verificação π₀, π₀-FAST e π₀.₅, além de exemplos para converter um conjunto de dados, configurar o ajuste e servir uma política. Os requisitos de GPU e as etapas de preparação de dados publicados explicam por que razão o treino gerido poderá interessar a uma equipa com conhecimentos de robótica, mas com infraestrutura limitada de aprendizagem automática. O anúncio não identifica a versão do modelo beta, pelo que os modelos de código aberto não devem ser confundidos com o modelo específico servido pela API.

A Pi afirma que o seu modelo de API mais recente tem capacidades melhoradas e permite um ajuste mais eficiente em dados para parceiros. A publicação de lançamento não apresenta um conjunto de dados comparativo, um protocolo de referência ou taxas de sucesso em tarefas que quantifiquem essa afirmação. Refere ainda que a maioria das aplicações destacadas usou inferência alojada na nuvem e que algumas enfrentaram problemas de conectividade. Esse detalhe importa para uma máquina em movimento cujo ciclo de controlo depende de um serviço remoto, embora a publicação não especifique requisitos de latência ou fiabilidade.

## O que uma equipa tem de fornecer

A [candidatura à beta](https://www.pi.website/waitlist) pergunta quem, na equipa, treinaria a política, que experiência tem com dados robóticos e avaliação de políticas, que tarefa específica pretende realizar e de quantos dados de teleoperação ou simulação dispõe. Pergunta também o número e tipo de robôs, a localização de inferência preferida e os critérios de sucesso da tarefa. São perguntas da candidatura, não limiares de elegibilidade publicados nem garantias de inferência local. O formulário oferece as opções nuvem, local, ambas e incerto; o lançamento descreve inferência alojada.

Estas perguntas apontam para o que o serviço não pode automatizar para um cliente: decidir o que é um comportamento correto num robô específico e medi-lo nesse robô. A Pi descreve os primeiros parceiros a repetir ciclos de demonstrações, testes e falhas. Os seus exemplos incluem [o Axol da Almond](https://www.pi.website/blog/api-beta), um robô de dois braços apresentado a rebarbar espaçadores usados na montagem após quatro dias de iteração com a API. A Pi descreve também um carregador de rodas Actor a recolher e carregar material numa implantação comercial. São relatos e vídeos selecionados pela Pi, não medições independentes de fiabilidade, segurança ou desempenho geral em diferentes equipamentos.

A via pública atual consiste em [candidatar-se ao acesso beta](https://www.pi.website/waitlist). Nos materiais aqui analisados, a Pi não publicou um contrato de API aberto, esquemas de pedidos e respostas, o nome do modelo beta, uma matriz de compatibilidade de hardware, preços, condições de tratamento de dados ou um acordo de segurança. Uma equipa que avalie o serviço precisaria desses termos e dos seus próprios testes repetidos com robôs antes de decidir se a inferência alojada se adequa a uma operação real.

## Cobertura relacionada

A BIG CHANGE já tinha analisado [a política robótica da Runway treinada com vídeo](https://bigchange.ai/blog/runway-praxis-1-video-pretraining-robot-control) and [fábrica de dados japonesa para humanoides](https://bigchange.ai/blog/japan-physical-ai-humanoid-data-factory-model-grant). Abordam trabalho relacionado com modelos e dados. O anúncio da Pi de 13 de outubro é um evento distinto de acesso a um 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 programador sobre o carregamento, o ajuste, a inferência alojada e o ciclo de avaliação, com demonstrações selecionadas de parceiros. As descrições de desempenho e implementação são alegações da empresa.
- [Physical Intelligence, candidatura à beta da API](https://www.pi.website/waitlist)(consultada a 14 de outubro de 2026). Documenta a integração por fases e a informação pedida 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 a 14 de outubro de 2026). Documenta pontos de verificação de modelos disponibilizados publicamente e exemplos de ajuste autogerido. 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 de trabalho da beta, exemplos selecionados de parceiros e a experiência inicial de implementação; as alegações são atribuídas.
- [Physical Intelligence: candidatura de acesso à API](https://www.pi.website/waitlist) — Integração por fases e perguntas aos candidatos; as opções do formulário não constituem garantias do serviço.
- [Physical Intelligence: openpi](https://github.com/Physical-Intelligence/openpi) — Modelos abertos anteriores e via de ajuste e disponibilização autogeridos; não especifica o modelo nem o contrato da beta.