跳至主要內容
科技前線生醫突破政策解讀成長思維焦點追蹤
設定興趣偏好EN
科技前線

Physical Intelligence 發布機器人大腦 π0.7,展現機器人自主新突破

Jason
Jason
· 2 分鐘閱讀
更新於 2026年4月17日
A modern industrial robotic arm with a sleek, minimalist design, illuminated by soft blue light, int

讓機器人具備處理未知任務的能力

機器人領域的熱門新創公司 Physical Intelligence 於 2026 年 4 月 16 日發布了其最新的機器人大腦模型 π0.7。根據 TechCrunch 的報導,這款模型代表了機器人自主性發展的一個重要里程碑。與傳統依賴預先定義動作序列的機器人不同,Physical Intelligence 宣稱 π0.7 展現了初步的通用能力,能夠自主處理機器人在訓練過程中從未經歷過的陌生任務。

技術層面的飛躍

機器人領域長久以來的瓶頸在於「身體(Body)」與「大腦(Brain)」的協同。傳統控制演算法通常將這兩者分離,導致機器人在處理複雜、可變形或脆弱物件時表現不佳。根據發表於《npj Robotics》等相關領域的研究(註:此處指代同類機器人靈活操控研究),整合性的智能控制系統對於現代化工業與日常生活場景至關重要。π0.7 的核心優勢在於將底層的感知處理與高級的決策模型緊密結合,使機器人具備了更強的物理互動感知力。

產業應用與挑戰

雖然 π0.7 為自動化領域帶來了新的可能性,但專家也提醒其技術成熟度仍處於「早期階段」。在機器人從實驗室邁向商業化生產的過程中,不僅需要軟體模型的智慧,更依賴於高效能的末端執行器與傳感器集成。 Physical Intelligence 正嘗試證明其軟體堆疊能夠廣泛適用於多種異構硬體平台,這是實現「通用型機器人」的必要條件。

市場反應與未來觀察

隨著生成式 AI 帶來的軟體熱潮逐漸向實體機器人硬體傳遞,市場對於具備自主學習能力的機器人公司投以高度關注。Physical Intelligence 的這項進展,被市場視為這波 AI 革命將實體操作變革的指標之一。我們將密切觀察 π0.7 在未來幾個月內於實際產業場景(如物流倉儲、輕工業裝配)中的部署表現與效能驗證。

常見問題

π0.7 機器人大腦與傳統技術有什麼不同?

傳統機器人通常依賴預先編寫的固定動作序列,而 π0.7 整合了感知與決策,讓機器人具備了自主「理解」並執行陌生任務的能力。

這項技術目前處於什麼階段?

專家指出該技術目前仍處於研發的「早期階段」,儘管在實驗室表現亮眼,但要實現商業化的通用型機器人,還需要硬體整合與效能驗證。

這對機器人產業的未來影響是什麼?

如果該模型能成功廣泛應用,將大幅減少機器人部署在各種任務中的重新編程需求,加速自動化在倉儲、製造等產業的普及。