Physical Intelligence

Physical Intelligence

开发面向多种机器人本体和任务的通用机器人基础模型,将视觉、语言与动作控制统一到同一套策略中。

具身智能模型
成立时间
2024 年
总部
美国 · 旧金山
档案核验
2026-09-16
官方网站
访问官网

Profile

公司简介

Physical Intelligence 的目标是把通用人工智能带入物理世界。公司不生产单一类型的机器人本体,而是训练能够使用多种机器人、完成多类操作任务的通用策略。

公司的公开模型路线始于 2024 年发布的 π0。此后,Physical Intelligence 围绕动作表示、开放世界泛化、在线强化学习、跨本体迁移、长短期记忆和模型可控性持续迭代,并通过 openpi 发布模型权重与代码。

截至 2026 年 4 月,官方公开的主要模型已从 π0、π0-FAST 演进到 π0.5、π0.6* 和 π0.7;研究工作还包括 FAST 动作分词、实时动作分块、长短期具身记忆和面向精细操作的在线强化学习。

为不同机器人本体提供可迁移、可适配并能够从经验中继续学习的通用智能层。

Business

核心业务

通用机器人基础模型

训练结合视觉、语言和动作的通用策略,使同一模型能够控制不同机器人并处理多任务数据。

  • 视觉语言动作模型
  • 跨本体控制
  • 灵巧操作
  • 开放世界泛化

机器人学习研究与开放生态

围绕动作分词、实时推理、强化学习、记忆和人类视频迁移开展研究,并通过 openpi 提供模型权重和代码。

  • FAST 动作分词
  • 在线强化学习
  • 具身记忆
  • 开源模型

Products

主要产品

通用机器人策略2024-10-31

π0

首个通用机器人策略原型

π0 将大规模多任务、多机器人数据与新的网络架构结合,用同一套策略处理不同机器人和操作任务。2025 年 2 月,官方进一步发布模型权重与代码。

  • 多任务训练
  • 多机器人数据
  • 流匹配动作生成
自回归机器人策略2025-02-04

π0-FAST

采用 FAST 动作分词的自回归模型

π0-FAST 使用 FAST 对连续机器人动作进行高效离散化,使通用策略能够采用自回归方式生成动作。

  • FAST tokenizer
  • 自回归动作生成
  • 开放权重与代码
视觉语言动作模型2025-04-22

π0.5

开放世界泛化

π0.5 在 π0 基础上扩展开放世界泛化能力,官方演示包括让移动操作机器人在此前未见过的厨房和卧室中完成清理任务。

  • 开放世界任务
  • 移动操作
  • 新环境泛化
强化学习机器人策略2025-11-17

π0.6*

从真实任务经验中继续学习

π0.6* 将强化学习引入通用策略训练,用真实任务经验提高成功率和任务吞吐量。

  • 强化学习
  • 成功率优化
  • 任务吞吐量优化
可控机器人基础模型2026-04-16

π0.7

可引导的通用策略与组合式泛化

π0.7 是一套可引导的机器人基础模型。官方将其描述为在泛化能力上出现显著跃升,并展示模型根据高层指令调整行为及组合既有能力完成新任务。

  • 策略可控性
  • 组合式泛化
  • 跨任务迁移

Applications

目标场景

跨本体灵巧操作

试点验证

同一模型控制不同机械臂和移动操作平台,完成折叠、装配、整理和物体操作任务。

开放世界家庭任务

试点验证

π0.5 重点验证机器人进入未见过的厨房或卧室后,能否根据语言指令完成多步骤清理任务。

长时程与精细操作

试点验证

官方研究通过具身记忆和在线强化学习,分别处理十分钟以上的复杂任务以及需要高精度和高吞吐量的操作任务。

Timeline

发展历程

发布首个通用机器人策略 π0

确立以多任务、多机器人数据训练通用策略的基础路线。

开源 π0 与 π0-FAST

通过 openpi 发布模型权重和代码,并引入采用 FAST 动作分词的自回归策略。

发布 π0.5

把模型能力扩展到新环境中的开放世界任务。

发布 π0.6*

使用强化学习让通用策略从真实任务经验中提高成功率和吞吐量。

公开多尺度具身记忆研究

为模型加入长短期记忆,以处理持续十分钟以上的复杂任务。

发布 π0.7

将可控性与组合式泛化纳入最新一代机器人基础模型。

Sources

官网与信息来源

  1. Physical Intelligence 官方网站Physical Intelligence · 访问于 2026-09-16
  2. Physical Intelligence:π0, Our First Generalist PolicyPhysical Intelligence · 访问于 2026-09-16
  3. Physical Intelligence:Open Sourcing π0Physical Intelligence · 访问于 2026-09-16
  4. Physical Intelligence:π0.5, a VLA with Open-World GeneralizationPhysical Intelligence · 访问于 2026-09-16
  5. Physical Intelligence:π0.6*, a VLA that Learns from ExperiencePhysical Intelligence · 访问于 2026-09-16
  6. Physical Intelligence:VLAs with Long and Short-Term MemoryPhysical Intelligence · 访问于 2026-09-16
  7. Physical Intelligence:π0.7, a Steerable Model with Emergent CapabilitiesPhysical Intelligence · 访问于 2026-09-16

最后核验:2026-09-16