Physical Intelligence 正在把通用人工智能带入物理世界。我们由工程师、科学家、机器人专家和公司建设者组成，开发学习算法，打造一个能够控制任何机器人完成任何任务的模型。
研究
借助高效在线RL实现精确操作
从 VLA 模型中提取 RL Token，以少量数据快速在线强化学习并提升精细任务吞吐量。
具备长短期记忆的 VLA
Multi-Scale Embodied Memory（MEM）让模型同时拥有长期与短期记忆，支持持续十分钟以上的复杂任务。
VLA 中人类到机器人的迁移能力涌现
探索随着 robotic foundation models 扩展，人类视频中的行为如何迁移到机器人任务。
大型模型的实时动作分块
一种面向大型 VLA 的实时系统，在高延迟下依然保持精度与速度。
训练快、运行快、泛化更好的 VLA
让 vision-language-action models 快速训练、保留互联网级知识，并拥有高质量推理表现的方法。
教机器人倾听并更深入地思考
让机器人逐步思考复杂任务，并结合 human-in-the-loop 反馈的方法。
FAST：高效的机器人动作 token 化
一种新的 robot action tokenizer，让通用策略训练速度提升 5 倍。