Physical Intelligence открывает бета-сервис для команд, которые хотят адаптировать её модели для роботов к собственным машинам и задачам. В объявлении о Pi API, опубликованном 13 октября, говорится, что команда может загрузить данные с робота, дообучить модель на инфраструктуре под управлением Pi и вызывать полученную модель через размещённый инференс. Доступ начинается с заявки; Pi сообщает, что будет подключать команды партиями.

Это меняет место выполнения части инженерной работы над моделью. Разработчику робота всё ещё нужны подходящая машина, задача, которую стоит автоматизировать, демонстрации этой задачи и способ проверять модель на машине. Pi предлагает взять на себя слой обучения и обслуживания модели, соединяющий эти элементы.

Главное изменение

  • Что изменилось: Pi предлагает выбранным командам размещённую адаптацию своих моделей для роботов. В её публичном репозитории openpi уже есть более ранние контрольные точки моделей и примеры для команд, готовых самостоятельно запускать стек обучения; бета-версия добавляет управляемый путь дообучения и инференса.
  • Почему это важно: Перенос инфраструктуры обучения к Pi может позволить робототехнической команде уделять больше внимания сбору полезных демонстраций и оценке поведения на собственном оборудовании. Сервис не предоставляет робота, не определяет успешность задачи и не подтверждает безопасную эксплуатацию у клиента.
  • За чем следить: Ценность бета-версии будет зависеть от воспроизводимости результатов задач и практичности условий интеграции. Pi описала примеры партнёров, однако в публичных материалах запуска не указаны версия модели, поддерживаемое оборудование, цены, контракт API или условия безопасности.

Работа, которая переходит к Pi

Pi описывает такую последовательность: загрузить данные, запустить дообучение на управляемых вычислительных ресурсах, а затем использовать размещённый шлюз для инференса. В её описании рабочего процесса данные оценки направляют следующую итерацию. Разработчик собирает демонстрации, обучает модель, испытывает её на роботе и изучает сбои, чтобы решить, какие данные собрать дальше. API призван дать разработчику возможность самостоятельно повторять этот цикл, пока Pi обслуживает инфраструктуру модели.

Корпоративная кодовая база openpi показывает прежний путь самостоятельной работы. В неё входят контрольные точки π₀, π₀-FAST и π₀.₅, а также примеры преобразования набора данных, настройки дообучения и обслуживания политики. Указанные требования к GPU и этапы подготовки данных объясняют, почему управляемое обучение может заинтересовать команду с опытом в робототехнике, но ограниченной инфраструктурой машинного обучения. В объявлении версия бета-модели не названа, поэтому модели с открытым кодом не следует считать той самой моделью, которую обслуживает API.

По словам Pi, новейшая модель API обладает улучшенными возможностями, а её дообучение для партнёров эффективнее использует данные. В публикации о запуске не приводятся сравнительный набор данных, протокол бенчмарка или показатели успешности задач, которые позволили бы количественно оценить это заявление. Там также говорится, что большинство представленных приложений использовало облачный инференс, а некоторые столкнулись с проблемами сетевого подключения. Это важно для движущейся машины, чей контур управления зависит от удалённого сервиса, хотя в публикации не указаны требования к задержке или надёжности.

Что должна предоставить команда

В заявке на участие в бета-тестировании спрашивают, кто в команде будет обучать политику, какой у участников опыт работы с данными роботов и оценки политик, какую конкретную задачу они хотят решить и сколько у них данных телеуправления или симуляции. Также спрашивают число и тип роботов, предпочтительное место выполнения инференса и критерии успеха задачи. Это вопросы заявки, а не опубликованные пороги допуска или гарантия доступности локального инференса. В форме предлагаются варианты «облако», «локально», «оба» и «не уверен»; в анонсе описан размещённый инференс.

Эти вопросы указывают на то, что сервис не может автоматизировать за клиента: определить правильное поведение конкретного робота и измерить его на этом роботе. Pi описывает ранних партнёров, которые многократно проходят циклы демонстраций, испытаний и неудач. Среди примеров — Axol компании Almond, двухрукий робот, который, согласно показу, после четырёх дней итераций с API удалял заусенцы со втулок для сборки. Pi также рассказывает о колёсном погрузчике Actor, который зачерпывает и загружает материал в коммерческой эксплуатации. Это выбранные Pi описания и видеоролики, а не независимые измерения общей надёжности, безопасности или производительности на разном оборудовании.

Сейчас публичный способ доступа — подать заявку на участие в бета-тестировании. В рассмотренных здесь материалах Pi не публиковала открытый контракт API, схемы запросов и ответов, название бета-модели, таблицу совместимости оборудования, цены, условия обработки данных или соглашение о безопасности. Команде, оценивающей сервис, понадобятся эти условия и собственные повторные испытания роботов, чтобы понять, подходит ли размещённый инференс для реальной работы.

Связанные материалы

Ранее BIG CHANGE изучала робототехническую политику Runway, обученную на видео and японскую фабрику данных для гуманоидов. В них рассматриваются родственные направления работы с моделями и данными. Объявление Pi от 13 октября — отдельное событие, связанное с доступом к сервису.

Источники и дополнительная литература

  • Physical Intelligence, «Frontier Models for Every Robot: Announcing our API beta»(13 октября 2026 года). Описание разработчика об upload данных, дообучении, размещённом инференсе и цикле оценки с отдельными демонстрациями партнёров. Заявления о производительности и внедрении принадлежат компании.
  • Physical Intelligence, заявка на участие в бета-тестировании API(проверена 14 октября 2026 года). Описывает подключение партиями и сведения, которые запрашиваются у заявителей. Варианты формы не доказывают, что доступен продукт локального инференса.
  • Physical Intelligence, репозиторий openpi(проверен 14 октября 2026 года). Документирует опубликованные контрольные точки моделей и примеры самостоятельного дообучения. Не описывает контракт новой бета-версии и не называет обслуживаемую модель.