De AI-startup Physical Intelligence (π) heeft zojuist de lakmoesproef afgelegd met hun nieuwste ‘foundation model’, de pi06. En de resultaten uit de ongepolijste praktijk zijn ronduit indrukwekkend. Volgens medeoprichter Sergey Levine behaalde het model een autonomie van 92% tijdens het besturen van een wasrobot en wist het in een distributiecentrum maar liefst 165 items per uur in te pakken. Het lijkt erop dat de droom van een universeel AI-brein voor elke willekeurige robot een stuk minder utopisch wordt.
In een blogpost van 24 februari 2026 deed het bedrijf uit de doeken hoe ze samenwerkten met twee robotica-spelers om te zien of hun model ook buiten de muren van het lab overeind blijft. In samenwerking met Weave Robotics werd pi06 ingezet bij Sea Breeze Cleaners. Het resultaat? Een systeem dat in 92% van de gevallen volledig zelfstandig opereerde – een huzarenstukje in een chaotische omgeving als een wasserette. Een tweede partnership met Ultra Robotics liet zien dat pi06 in staat is om fysieke producten in een magazijn te verwerken met een snelheid van 165 stuks per uur, waarbij menselijk ingrijpen nauwelijks nog nodig was.
De prestatie-indicatoren van het bedrijf laten een spectaculaire sprong zien in autonomie, terwijl het aantal fouten en noodzakelijke menselijke interventies tot een minimum is beperkt in vergelijking met eerdere versies. Deze data uit het veld vormt het cruciale bewijs voor de ambitieuze koers van de startup.
Waarom is dit een big deal?
Physical Intelligence bouwt niet zomaar de zoveelste robot; ze bouwen het brein voor de robots van anderen. De startup mikt op de creatie van een “Physical Intelligence Layer” – een fundamenteel AI-model dat elke ontwikkelaar kan implementeren. Zie het als een API voor de fysieke wereld: in plaats van dat robotica-bedrijven zelf het wiel moeten uitvinden wat betreft complexe besturing en perceptie, kunnen ze voortbouwen op een bestaande basis. Als Physical Intelligence een betrouwbare ‘off-the-shelf’ oplossing kan leveren die het zware werk van robotisch leren en executie overneemt, zou dat de uitrol van robots in talloze sectoren in een enorme stroomversnelling kunnen brengen.
