A startup de IA Physical Intelligence (π) acaba de colocar o seu novo modelo de base, o pi06, à prova em cenários caóticos do mundo real — e os resultados são de cair o queixo. Segundo o cofundador Sergey Levine, o modelo alcançou 92% de autonomia operando um robô de lavanderia e conseguiu embalar 165 itens por hora em um centro de distribuição. Os números sugerem que o sonho de uma IA universal, capaz de controlar qualquer robô, está deixando de ser uma promessa distante para se tornar rotina.
Em um artigo publicado em 24 de fevereiro de 2026, a empresa detalhou colaborações com duas firmas de robótica para testar como o seu modelo mais recente se comporta fora do ambiente controlado do laboratório. Em parceria com a Weave Robotics, a Physical Intelligence implementou o pi06 para controlar um robô na Sea Breeze Cleaners. O sistema operou de forma autônoma em 92% do tempo, uma marca impressionante considerando a imprevisibilidade de um ambiente de trabalho real. Já em outra frente, com a Ultra Robotics, o pi06 foi encarregado de embalar produtos reais em um armazém, atingindo a cadência de 165 itens por hora com o mínimo de intervenção humana.
As métricas de desempenho da companhia revelam um salto drástico na autonomia e uma redução drástica em erros e na necessidade de supervisão humana em comparação com as versões anteriores. Estes dados de campo servem como uma prova de conceito crucial para a visão ambiciosa da startup.
Por que isso é um divisor de águas?
A Physical Intelligence não está apenas construindo mais um robô; ela está construindo o “cérebro” para os robôs de outras empresas. O objetivo da startup é criar uma “Camada de Inteligência Física” — um modelo de IA fundamental que qualquer desenvolvedor possa utilizar, de forma análoga a como programadores hoje usam APIs em vez de construir toda a infraestrutura de IA do zero.
Atualmente, as empresas de robótica precisam queimar milhões no desenvolvimento de seus próprios sistemas complexos de percepção e controle. Se a Physical Intelligence conseguir entregar uma solução de prateleira confiável que resolva a parte difícil do aprendizado e execução robótica, poderemos ver uma aceleração radical na implementação de robôs úteis em praticamente qualquer setor da economia.
