Physical AI bezeichnet KI-Systeme, die nicht nur Informationen verarbeiten, sondern ihre Umgebung wahrnehmen, daraus Entscheidungen ableiten und anschließend in der realen Welt handeln. Typische Beispiele sind Roboter, autonome Fahrzeuge oder andere Maschinen mit Sensoren und eigener Steuerung.

Der Begriff beschreibt damit den Schritt von KI auf dem Bildschirm zu Systemen, deren Entscheidungen physische Folgen haben. Dafür müssen solche Systeme räumliche Zusammenhänge, Bewegungen, Objekte und möglichst auch grundlegende Regeln der realen Welt berücksichtigen.

Beim Training spielen Simulationen eine wichtige Rolle. Maschinen können dort Situationen erproben, bevor sie tatsächlich eingesetzt werden. Forschung und Industrie beschäftigen sich deshalb stark mit World Models, synthetischen Trainingsdaten und der Übertragung gelernter Fähigkeiten aus Simulationen in reale Umgebungen.

Physical AI ist kein einheitlich abgegrenztes Forschungsgebiet. Der Begriff überschneidet sich unter anderem mit Robotik und Embodied AI.