Physical Intelligence, yapay zekâ (AI) ve robotik alanında genel amaçlı fiziksel zekâ geliştirmeye odaklanan bir teknoloji şirketidir. 2024 yılında San Francisco, Kaliforniya’da kurulan şirket, robotlar ve fiziksel cihazlar için temel modeller ve öğrenme algoritmaları geliştirmeyi amaçlamaktadır. Çalışmaları, yapay zekâ sistemlerinin yalnızca dijital ortamda değil, fiziksel dünyada da etkili bir şekilde faaliyet göstermesini sağlamaya yöneliktir. Physical Intelligence, robotların farklı ortamlarda yeni görevleri öğrenebilmesini ve uyum sağlayabilmesini mümkün kılacak sistemler üzerinde çalışmalar yürütmektedir.

Kuruluş ve Genel Bilgiler

Physical Intelligence (kısaltmasıyla Pi veya π), 2024 yılında San Francisco, Kaliforniya, Amerika Birleşik Devletleri'nde kurulmuştur. Şirketin kurucuları arasında Karol Hausman, Sergey Levine, Chelsea Finn, Brian Ichter, Lachy Groom, Adnan Esmail ve Quan Vuong bulunmaktadır. Çalışan sayısı 11 ile 50 arasında değişmektedir.

Kuruluşundan kısa süre sonra Thrive Capital, Khosla Ventures, Lux Capital, OpenAI ve Sequoia Capital gibi yatırımcılardan 70 milyon dolar tohum yatırımı almış, Kasım 2024'te ise Jeff Bezos'un da dahil olduğu Seri A yatırım turunda toplam 400 milyon dolar fon toplayarak 2 milyar dolarlık bir değerlemeye ulaşmıştır. 2025 yılı itibarıyla şirketin tahmini piyasa değeri 2,4 milyar dolardır.

Hedefler ve Çalışma Alanı

Physical Intelligence, yapay zekâ modellerinin fiziksel dünyaya entegre edilmesini hedeflemektedir. Dil modellerinde kullanılan yöntemleri fiziksel dünya verilerine uyarlayarak, robotlara çevresel algı, esnek motor kontrolü ve genel görev çözme yetenekleri kazandırmayı amaçlamaktadır. Şirketin çalışmaları, robotların yeni nesneleri tanıması, fiziksel ortamlarda yeni görevler öğrenmesi ve değişken koşullara uyum sağlaması üzerine odaklanmaktadır.

Teknolojik Gelişmeler

Physical Intelligence, ilk genel amaçlı robotik temel modelini π0 adıyla tanıtmıştır. π0, farklı robot türlerinde görev yapabilen, çoklu görev ve çoklu platform verileriyle eğitilmiş bir Vision-Language-Action (VLA) modelidir. Model, çamaşır katlama, masa temizleme ve kahve çekirdeği toplama gibi fiziksel görevleri gerçekleştirebilmektedir.

2025 yılında tanıtılan π0.5 modeli, π0 üzerine inşa edilerek açık dünya genellemesi yeteneği kazandırılmıştır. π0.5, hiç görülmemiş evlerde temizlik, düzenleme ve çeşitli günlük görevleri gerçekleştirebilmektedir. Bu model, çok kaynaklı veri ortak eğitimi (co-training) yöntemi kullanılarak geliştirilmiş ve hem fiziksel hem de kavramsal düzeyde daha geniş bir genelleme kapasitesi elde etmiştir.

Şirket ayrıca Hi Robot adını verdiği bir sistem geliştirerek, robotların çok aşamalı, açık uçlu doğal dil komutlarını ve kullanıcı geri bildirimlerini anlayarak görevleri adım adım gerçekleştirmesini sağlamıştır. Hi Robot sistemi, Vision-Language-Action modelleri kullanarak yüksek seviyeli ve düşük seviyeli planlama süreçlerini entegre etmektedir.

Ürünler ve Yayınlar

Physical Intelligence’ın başlıca projeleri ve teknolojik çalışmaları şunlardır:

• π0 (Ekim 2024): İlk genel amaçlı Vision-Language-Action tabanlı robot politikası.
• FAST (Ocak 2025): Robot eylem tokenizasyonunu hızlandırarak daha verimli eğitim sağlayan yöntem.
• π0-FAST (Şubat 2025): π0 modelinin otoregresif hızlandırılmış versiyonu.
• π0.5 (Nisan 2025): Açık dünya ortamlarında genelleme yeteneğine sahip ikinci nesil Vision-Language-Action modeli.
• Hi Robot (Şubat 2025): Karmaşık çok aşamalı talimatları ve kullanıcı geri bildirimlerini takip edebilen hiyerarşik Vision-Language-Action kontrol sistemi.

Şirket ayrıca π0 ve π0-FAST modellerini açık kaynaklı olarak yayımlamış ve araştırmacıların bu modeller üzerinde inceleme ve geliştirme yapabilmesine olanak sağlamıştır.

^{Otonom Çamaşır Katlama (Physical Intelligence)}

Araştırma ve Geliştirme

Physical Intelligence’ın araştırma ve geliştirme (Ar-Ge) çalışmaları, yapay zekâ temelli robotik sistemlerin açık dünya ortamlarında daha esnek ve güvenilir şekilde faaliyet gösterebilmesini sağlamak üzerine yoğunlaşmaktadır. Şirketin temel hedefi, robotların yeni ortamlarda ve daha önce karşılaşmadıkları görevlerde başarıyla çalışmasını mümkün kılacak genel amaçlı modeller geliştirmektir.

Geliştirilen ilk temel model olan π0, çoklu robot platformlarında toplanan veri kümeleri kullanılarak eğitilmiştir. Model, farklı görevleri yerine getirebilme yeteneğine sahip olup, önceden eğitim sırasında görülen veri örnekleriyle sınırlı kalmadan sıfırdan (zero-shot) görev gerçekleştirme potansiyeline sahiptir.

π0 üzerine inşa edilen π0.5 modeli, açık dünya ortamlarına genelleme yeteneği kazandırmıştır. π0.5, tamamen yeni evlerde temizlik ve düzenleme gibi uzun süreli ve çok aşamalı görevleri gerçekleştirebilmiştir. Bu modelin geliştirilmesinde kullanılan yöntemler arasında çok kaynaklı ortak veri eğitimi (co-training) yer almaktadır. Eğitim verileri, mobil robotlar, sabit robot kolları ve bimanual (çift kollu) robotlar gibi farklı platformlardan toplanmıştır. Eğitim sürecinde hem fiziksel becerileri hem de görevlerin kavramsal yapısını öğrenebilmek için robot gösterimleri, yüksek seviyeli görev tanımlamaları, nesne tespit etme görevleri ve sözlü komutlarla yürütülen görevler bir arada kullanılmıştır.

Araştırmalarda, yalnızca fiziksel manipülasyon değil, aynı zamanda kavramsal anlayışın da artırılması hedeflenmektedir. Robotların bir nesneyi sadece fiziksel özelliklerine göre tanımasının ötesinde, nesnelerin görev bağlamındaki anlamını da kavrayabilmesi amaçlanmıştır.

Physical Intelligence, geliştirdiği Vision-Language-Action (VLA) modellerinde hem düşük seviyeli (motor kontrol) hem de yüksek seviyeli (planlama ve görev anlama) karar süreçlerini entegre etmektedir. Özellikle Hi Robot sistemi bu hedef doğrultusunda geliştirilmiştir. Hi Robot, doğal dil ile verilen açık uçlu komutları anlayarak bunları adım adım alt görevler hâline getirip, her bir alt görevi uygun motor komutlarına dönüştürebilmektedir. Sistem, kullanıcıdan gelen gerçek zamanlı düzeltmeleri işleyebilmekte ve buna uygun şekilde planını güncelleyerek görevine devam edebilmektedir.

Şirket, büyük dil modellerinde sağlanan başarıların benzerini fiziksel dünyaya taşıyabilmek için veri ölçeklendirme ve model mimarisi tasarımı üzerine çalışmaktadır. π0.5 modeli için yapılan deneylerde, yaklaşık 100 farklı ev ortamından veri toplanması sonucunda, doğrudan test ortamlarında eğitim almış modellere yakın bir performans elde edilmiştir.

Physical Intelligence ayrıca düşük maliyetli ve esnek robotik platformlarla veri toplama süreçlerini genişletmeyi hedeflemektedir. Şirket, ALOHA ve DROID gibi robot platformlarını kullanarak farklı görevlerde geniş ölçekli deneyler yürütmektedir. Veri toplama sürecinde sadece doğrudan robot operasyonları değil, doğal dil etkileşimleri, kullanıcı geri bildirimleri ve farklı ortamlardaki gözlemler de kullanılmaktadır.

Gelecekte, robotların daha bağımsız bir şekilde kendi deneyimlerinden öğrenebilmesi, verilen geri bildirimleri yorumlayarak yeni bilgi çıkarımı yapabilmesi ve daha az insan müdahalesiyle otonom şekilde yeni görevler öğrenebilmesi hedeflenmektedir. Ayrıca, robotların yalnızca verilen görevleri yerine getirmesinin ötesinde, belirsiz durumlar karşısında yardım isteme veya görev sırasında strateji değiştirme gibi yetenekler kazanması üzerine de çalışmalar yürütülmektedir.

Yatırımcılar

Physical Intelligence, kuruluşundan itibaren Bond, Jeff Bezos, Khosla Ventures, Lux Capital, OpenAI, Redpoint Ventures, Sequoia Capital ve Thrive Capital gibi teknoloji ve yapay zekâ alanındaki önemli yatırımcılardan destek almıştır. OpenAI, hem tohum yatırımı hem de Seri A yatırım turuna katkıda bulunmuştur.

Gelecek Planları

Physical Intelligence, robotların fiziksel dünyada daha otonom, güvenilir ve esnek çalışmasını sağlamak amacıyla geniş ölçekli veri toplama ve model geliştirme faaliyetlerini sürdürmektedir. Şirket, yeni nesil Vision-Language-Action modelleri geliştirerek, robotların daha az insan müdahalesiyle daha karmaşık görevleri gerçekleştirebilmesini hedeflemektedir.

Ayrıca, robotların kendi deneyimlerinden öğrenmesini sağlayacak sistemlerin geliştirilmesi ve fiziksel etkileşim yeteneklerinin daha ileri seviyelere taşınması da araştırma alanları arasında yer almaktadır.