Startup zajmujący się sztuczną inteligencją, Physical Intelligence (π), właśnie rzucił swój nowy model bazowy – pi06 – na głęboką wodę, testując go w chaotycznych, rzeczywistych warunkach. Wyniki? Robią wrażenie. Jak twierdzi współzałożyciel firmy, Sergey Levine, model osiągnął 92% autonomii podczas obsługi robota w pralni oraz tempo 165 zapakowanych paczek na godzinę w magazynie. To wyraźny sygnał, że marzenie o uniwersalnym AI, które ożywi dowolną maszynę, nabiera realnych kształtów.
W poście opublikowanym 24 lutego 2026 roku firma szczegółowo opisała współpracę z dwoma producentami robotyki, mającą na celu sprawdzenie, jak pi06 radzi sobie poza sterylnym laboratorium. Łącząc siły z Weave Robotics, Physical Intelligence zaimplementowało swój model w robocie pracującym w pralni Sea Breeze Cleaners. Efekt? System działał samodzielnie przez 92% czasu, co w nieprzewidywalnym środowisku usługowym jest wynikiem wręcz fenomenalnym. Z kolei partnerstwo z Ultra Robotics pozwoliło przetestować pi06 przy pakowaniu towarów w magazynie – robot osiągnął wydajność 165 przedmiotów na godzinę, wymagając przy tym jedynie śladowej ingerencji człowieka.
Wskaźniki wydajności opublikowane przez firmę pokazują gigantyczny skok w poziomie autonomii oraz drastyczną redukcję błędów w porównaniu z poprzednimi wersjami. Te dane z “pola walki” stanowią kluczowy dowód na to, że ambitne plany startupu to coś więcej niż tylko marketingowy szum.
Dlaczego to ma znaczenie?
Physical Intelligence nie buduje po prostu kolejnego robota – oni budują „mózg”, który może zasilić maszyny innych firm. Startup dąży do stworzenia tzw. „Physical Intelligence Layer” (Warstwy Inteligencji Fizycznej). Ma to być fundamentowe AI, z którego deweloperzy będą mogli korzystać tak, jak programiści korzystają z gotowych API, zamiast pisać cały kod od zera. Obecnie firmy robotyczne muszą przepalać fortuny na tworzenie własnych, skomplikowanych systemów sterowania i percepcji. Jeśli Physical Intelligence dostarczy niezawodne, gotowe rozwiązanie, które weźmie na siebie najtrudniejsze aspekty uczenia maszynowego i egzekucji ruchów, możemy spodziewać się błyskawicznej ekspansji użytecznych robotów w niemal każdej branży.
