Axis Robotics publica uno de los mayores conjuntos de datos de simulación de brazos Franka para IA física

Axis Robotics ha lanzado Axis Sim Dataset V1, uno de los mayores conjuntos de datos de simulación de código abierto para la manipulación del brazo Franka, con el conjunto de datos completo, el código de entrenamiento y los benchmarks disponibles públicamente. V1 se construyó a partir de más de 50,000 trayectorias de simulación operadas por humanos en 207 tareas de manipulación y más de 60,000 variantes de escenas en un brazo Franka Research 3 simulado.

Este conjunto de datos ha tenido más de 160,000 descargas, convirtiéndose en el conjunto de datos de simulación de manipulación Franka de código abierto más descargado en Hugging Face. En los benchmarks, el preentrenamiento continuo en V1 elevó π0.5 y superó una línea base de RoboCasa de volumen equivalente, con cada resultado abierto y verificable.

Axis Robotics está construyendo el motor de datos acumulativos definitivo para la IA física, un sistema verticalmente integrado que abarca simulación a gran escala, captura del mundo real egocéntrica, locomoción humanoide y DAgger post-entrenamiento controlado por humanos. La empresa recaudó 12 millones de dólares en financiación inicial liderada por Hack VC, con la participación de Nomad Capital, Pi Network Ventures, 10K Ventures y inversores ángeles.

Una suposición común en robótica es que las demostraciones deben ser casi óptimas desde el principio: filtrar hasta trayectorias de expertos, estandarizar la configuración y descartar cualquier ruido antes de que sea seguro imitar. La tesis de Axis va en la dirección opuesta: la calidad de los datos reside a nivel de distribución, no en la trayectoria individual. Cuando una multitud grande y diversa produce trayectorias ruidosas y subóptimas y sus errores son no correlacionados, el ruido se promedia y una política funcional sobrevive durante el entrenamiento.

Axis Sim Dataset V1 pone esa tesis a prueba pública. Sus trayectorias abarcan recogida y colocación, apilamiento, vertido, manipulación de objetos articulados y uso de herramientas, todas recopiladas a través de la plataforma de teleoperación basada en navegador de Axis, Axis Hub, por una multitud distribuida en lugar de un solo equipo de expertos. El conjunto de datos fue construido con investigadores de UC Berkeley, Johns Hopkins, la Universidad de Michigan y otras instituciones.

En LIBERO-Plus, el preentrenamiento continuo en V1 eleva π0.5 del 83.9% al 88.8% de éxito y supera una línea base de RoboCasa365 de volumen equivalente en un 37.3%. El rendimiento mejora de manera consistente a medida que los datos de preentrenamiento escalan del 25% al 100% del conjunto de datos, sin saturación a la vista, evidencia de que las ganancias provienen de la diversidad y la cobertura en lugar de un aumento puntual. Las mejoras más grandes aparecen bajo perturbaciones de cámara, ruido de sensor y disposición, los ejes exactos que Axis aleatoriza durante la generación.

El equipo dice que V2 ya está en marcha, escalando a 1.2 millones de trayectorias en 1,200 tareas, con generalización cruzada de encarnaciones y resultados en múltiples modelos VLA que muestran que los datos de simulación subóptimos entrenan políticas robustas.

El conjunto de datos es una salida de un motor de datos más grande y activamente acumulativo. Donde un proveedor de datos tradicional recopila según una especificación fija y se detiene, Axis utiliza el rendimiento del modelo y los casos de fallo para determinar qué debe recopilarse a continuación, de modo que cada ronda de entrenamiento informe la siguiente. Ese motor funciona con una estrategia híbrida a través de cuatro líneas de datos, y las cuatro ahora funcionan a gran escala:

• Simulación: más de 200,000 contribuyentes distribuidos en Axis Hub, una de las tres principales dApps en Base, produciendo más de 4.7 millones de trayectorias a través de 13 encarnaciones.
• Egocéntrico: una red gestionada de más de 1,000 recolectores a tiempo completo, capacitados en control de calidad, capturando actividad en primera persona en hogares y negocios reales en 14 industrias: más de 200,000 horas ya acumuladas y creciendo en más de 4,000 horas cada día, con pose de mano verificada por Vicon.
• Locomoción-manipulación: más de 500 horas combinando movilidad y destreza en humanoides reales (Unitree G1, Booster T2) a través de teleoperación independiente del hardware.
• DAgger post-entrenamiento controlado por humanos: más de 500 horas de corrección con humanos en el bucle dirigidas a casos de borde de despliegue.

Cada tarea y trayectoria se registra en la cadena en Base para su procedencia, y los contribuyentes son recompensados por la calidad del trabajo verificada.

Más allá de la publicación de datos de simulación de código abierto, Axis trabaja directamente con empresas de encarnación de robots para construir tuberías de datos personalizadas y específicas para cada encarnación y modelos previos.

Como primer socio de datos de simulación de Booster Robotics, Axis reconstruyó el espacio de trabajo real de Booster como un gemelo digital alineado con la tarea, hizo que contribuyentes distribuidos recopilaran más de 42,000 episodios de simulación sobre él, y los destiló en un modelo previo específico de Booster. Con solo 30 demostraciones de robots reales, ese previo alcanzó un 87.5% de éxito frente al 37.5% de un π0.5 estándar, igualando el π0.5 utilizando la mitad de las demostraciones del mundo real.

Otros socios abarcan empresas de encarnación (Feagine Robotics), empresas de modelos (Manycore Tech, Dexmal) y automatización industrial (Lotus Cars, Geely Auto). Axis también suministra redes de robótica en la cadena: BitRobot en Solana y OpenRoboto en Bittensor.

"El futuro de la IA física no es un conjunto de datos estático que descargas una vez", dijo Chris Feng, fundador de Axis Robotics. "Es un motor que sigue produciendo los datos que el modelo necesita a continuación. La escala te da una amplia cobertura. La diversidad mantiene el ruido imparcial. El bucle cerrado convierte cada fallo en progreso. Eso es lo que se acumula."

Axis fue fundada por investigadores de UC Berkeley, CMU, Georgia Tech y SJTU, junto con fundadores en serie que han escalado plataformas de consumo a más de 30 millones de usuarios. Su investigación es asesorada por Jiachen Li, profesor asistente en Georgia Tech.

Este contenido se ofrece únicamente con fines informativos generales y no constituye un asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, operar o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.