L'ère du « moment GPT » de l'IA incarnée approche-t-elle ? Axis Robotics annonce la fin des tests et le lancement sur Base Chain est prévu.

Source de l'article : Axe

Axis Robotics restructure la diversité des données et l'approche de production évolutive de l'intelligence incarnée grâce à une stratégie axée sur la simulation.

D’ici 2025, plusieurs voies technologiques convergent rapidement dans l’industrie robotique : la modernisation des chaînes d’approvisionnement en matériel embarqué a rendu possible, pour la première fois, le déploiement à grande échelle de prototypes auparavant coûteux ; les modèles Vision-Langage-Action (VLA) dotent les robots d’un « cerveau » capable de comprendre la sémantique, l’inférence et la planification ; et la pyramide de données multicouches, composée de connaissances vidéo et de simulations synthétiques, alimente en permanence l’évolution de l’intelligence embarquée.

Cependant, le secteur reste confronté à un goulot d'étranglement majeur : les données. Comparée aux grands modèles de langage et à la conduite autonome, l'intelligence incarnée souffre encore d'un important déficit de données lors de la phase de pré-entraînement. Autour de cet écart, le secteur progresse selon de multiples voies : Les données opérationnelles à grande échelle d'UMI, les données d'interaction naturelle vidéo à la première personne (centriques sur l'ego) et le système de données de simulation synthétique en développement rapide. Dans ce contexte d’évolution des sources de données, le monde universitaire et l’industrie parviennent progressivement à un nouveau consensus technologique : L'utilisation de données de simulation à grande échelle et de haute qualité pour le pré-entraînement, suivie d'un ajustement fin avec une petite quantité de données réelles, constitue actuellement l'une des voies les plus viables.

Toutefois, ce consensus impose également des exigences plus élevées : les données de simulation doivent simultanément être de haute qualité, peu coûteuses et évolutives ; sinon, le double dilemme des coûts élevés des données réelles et de la qualité insuffisante de la simulation continuera de ralentir la vitesse d'itération de l'entraînement du modèle.

L’avènement du « moment GPT » pour l’intelligence incarnée est-il donc imminent ?

La réponse d'Axis est affirmative, à condition qu'une refonte complète de l'approche de production évolutive des données robotiques soit nécessaire, et qu'une redéfinition du paradigme de déploiement dans le monde physique soit requise.

Axis Robotics permet aux gens ordinaires de participer à la collecte de données d'intelligence incarnée

La collecte de données robotisées traditionnelle repose sur de petites équipes d'experts ou sur des opérations locales à distance, ce qui est à la fois difficile à mettre à l'échelle et manque de diversité. Pour surmonter ce goulot d'étranglement, Axis adopte une stratégie axée sur la simulation, en construisant une infrastructure de données d'intelligence incarnée de bout en bout et en améliorant considérablement la capacité de production de données grâce à une collaboration humaine distribuée. Les robots sont au service des humains et sont continuellement construits et évolués grâce à une participation humaine à grande échelle.

Dès sa création, Axis a compris que la simple fourniture de données était loin d'être suffisante. Pour véritablement résoudre le dilemme des données lié à l'intelligence incarnée, il est nécessaire de mettre en place un pipeline technique complet de bout en bout couvrant les processus fondamentaux. Les trois processus clés sont : la génération des tâches, la collecte des données, et l’évaluation et le traitement des données :

● Génération de tâches : Moteur de tâches dynamiques à évolutivité infinie.

Les limites des données déterminent les limites de capacité des robots. Axis a mis au point un moteur de génération de tâches dynamiques 3D de nouvelle génération, qui décompose les compétences essentielles requises pour les robots en compétences atomiques et peut générer une quantité massive de tâches simulées de haute qualité grâce à des mots-clés. Des scénarios isolés aux tâches complexes enchaînées, les robots peuvent évoluer en permanence dans un espace de tâches infiniment riche.

● Collecte de données : Une plateforme de collecte sans seuil pour tous

Axis a mis à disposition des navigateurs et des appareils mobiles l'environnement de simulation complexe qui, auparavant, ne fonctionnait que dans les laboratoires professionnels. Les utilisateurs peuvent simplement ouvrir une page web pour contrôler activement des robots et des bras robotisés en temps réel, générant ainsi des trajectoires de données à grande valeur ajoutée, comme dans un jeu. Aucun fardeau matériel, aucun seuil technique : la production de données atteint désormais véritablement le statut « à tout moment, n'importe où, ouvert à tous ».

● Évaluation et traitement des données : Rendre chaque point de données « accessible, entraînable et évolutif »

Chaque trajectoire de données passera par le système d'évaluation automatisé développé en interne par Axis, subissant un filtrage et un traitement multidimensionnels, de l'achèvement à la stabilité, de l'efficacité à la fluidité, produisant finalement des ressources de données pouvant être directement utilisées pour l'entraînement du modèle. La haute qualité ne dépend plus d'un contrôle manuel, mais s'obtient grâce à des capacités systématiques de production à grande échelle.

Derrière cette gamme complète de produits, Axis a également bâti une infrastructure solide. MetaSim est notre cadre sous-jacent unifié conçu spécifiquement pour l'intelligence incarnée, responsable du découplage du simulateur, de la validation des données et de l'amélioration des données, servant de moteur principal pour le fonctionnement stable de l'ensemble du pipeline de données. Grâce à MetaSim, les trajectoires de démonstration humaine générées dans un simulateur web léger peuvent être reproduites de manière transparente dans NVIDIA Isaac Sim pour une validation de haute précision. Parallèlement, Axis utilise largement le puissant moteur physique et graphique d'Isaac Sim pour effectuer un rendu haute fidélité et une randomisation de domaine à grande échelle sur des données brutes. Grâce à cette étape d'amélioration cruciale, la valeur des données est grandement amplifiée lors du transfert de la simulation au réel et de l'entraînement robuste du modèle, permettant à chaque point de données de présenter une généralisation plus forte et une utilité pratique accrue dans le monde réel.

(Données brutes collectées sur le Web et optimisées pour l'entraînement du modèle, déployées avec succès sur une machine réelle)

Parallèlement, seule la mise en place d'un mécanisme d'incitation et de distribution efficace permettra à cette infrastructure globale et à ce système de produits de s'implanter durablement et de profiter à un plus grand nombre de participants. C’est là la valeur unique des cryptomonnaies. Axis espère construire un réseau d'incitation et de distribution véritablement fonctionnel, basé sur la cryptomonnaie, permettant aux utilisateurs ordinaires du monde entier de participer à la construction de l'intelligence incarnée de manière distribuée.

Grâce à ce réseau, la contribution de données, l'exécution des tâches et le retour d'information incitatif permettront d'atteindre une transparence, une vérifiabilité et une traçabilité complètes du processus ; plus important encore, il a ouvert de nouvelles possibilités pour la valorisation des données relatives aux tâches et aux données de trajectoire, permettant ainsi à chaque participation d'être transformée en une partie du flux de valeur de l'écosystème d'intelligence incarnée.

Axis a validé l'efficacité de sa collecte de trajectoires pour l'entraînement de modèles grâce à un pipeline de données complet de bout en bout.

Lors de l'événement « La Rose du Petit Prince », l'équipe a recueilli plus de 10 000 trajectoires de haute qualité auprès de la communauté en seulement trois jours. Après que toutes les trajectoires aient subi des processus améliorés tels que la validation par relecture et le lissage des données, elles ont été directement intégrées à l'entraînement des politiques et finalement déployées avec succès sur le bras robotique Franka pour accomplir la tâche autonome d'arrosage des plantes.

Cette étape importante démontre la capacité d'Axis à transférer des données de simulation à des données réelles sans aucune donnée initiale et prouve pour la première fois que : La téléopération de simulation participative à grande échelle via le Web peut effectivement générer des données de grande valeur utilisables pour l'entraînement de modèles intelligents incarnés.

La communauté a manifesté un grand enthousiasme pour l'expérience produit d'Axis, qui allie « jouabilité + défi ». Au cours de deux phases de test totalisant 15 jours, avec plus de 20 000 utilisateurs participants et plus de 170 000 trajectoires de données cumulées, toutes ces données peuvent être consultées publiquement dans le panneau de données en temps réel du produit.

La mission d'Axis Robotics est de favoriser la véritable démocratisation de l'intelligence incarnée.

Axis estime que, tout comme les robots serviront la vie de chaque personne ordinaire à l'avenir, les personnes ordinaires devraient également avoir le droit de participer à la construction de la prochaine génération de robots. En définitive, la valeur fondamentale qu'Axis apporte au marché repose sur deux piliers principaux :

1. Ensemble de données de simulation de robots de « haute qualité » pour le pré-entraînement

Axis fournit des données d'entrée véritablement pertinentes pour un modèle de base robotique général. « Haute qualité » ne signifie pas seulement échelle, mais aussi types de tâches très diversifiés, mises en page riches et structures de données multimodales. L'objectif d'Axis n'est pas simplement de générer une grande quantité de données, mais de redéfinir la norme du secteur : quel type de données peuvent être directement utilisées pour le pré-entraînement, stimulant ainsi les progrès académiques et industriels en robotique.

2. Pile d'infrastructure évolutive

Outre les données elles-mêmes, Axis met en place une infrastructure technique accessible, flexible et évolutive à long terme, et redéfinit son approche ouverte avec une vision écosystémique. Notre vision est de faire de cette installation non pas un lieu exclusif à Axis, mais d'attirer davantage de participants afin de construire collectivement l'ensemble de l'écosystème de l'intelligence incarnée grâce à des ports ouverts.

À l'avenir, nous ouvrirons progressivement les interfaces essentielles telles que la construction des tâches, la collecte des données, le traitement des données et l'entraînement des modèles, permettant ainsi aux développeurs, aux institutions de recherche, aux entreprises et aux communautés de participer de manière modulaire et prête à l'emploi. Sans sacrifier la rigueur technique, cet écosystème ouvert soutiendra à la fois une participation inclusive à grande échelle et une production de haute qualité au niveau du modèle, transformant la construction de l'intelligence incarnée d'un processus fermé en une véritable collaboration ouverte.

Axis établit des partenariats écosystémiques étendus avec des fabricants, des équipementiers de robots et des sociétés de modélisation, notamment Lianhua Motors, Booster Robotics, Quantum Core Technology, MindPoint AI et d'autres partenaires, afin de faire progresser la mise en œuvre dans la production de données, la formation de modèles et le déploiement dans le monde réel sur de multiples dimensions.

Par exemple, pour les entreprises de robotique incarnée ayant un besoin urgent de données de téléopération d'ontologie évolutives, Axis transformera leur ontologie en un jumeau numérique haute fidélité et construira des mises en scène et des ressources de tâches prêtes pour la simulation grâce à un pipeline de génération de tâches dynamique. Par la suite, grâce au système de distribution des tâches d'Axis, les utilisateurs du monde entier peuvent faire fonctionner directement ce robot jumeau numérique dans le navigateur, réaliser des contributions de trajectoire diversifiées et de haute qualité, et ainsi parvenir à une production de données et à une collaboration commerciale de manière standardisée et rentable.

À mesure que la chaîne d'approvisionnement en matériel robotique arrive à maturité et que les coûts de fabrication diminuent considérablement, l'accent mis par l'industrie de l'intelligence embarquée se déplace des enveloppes matérielles vers les modèles d'IA sous-jacents et l'infrastructure de données. Sur le futur marché de l'intelligence incarnée, qui devrait peser des milliards de dollars, la couche de données et d'algorithmes d'IA devrait représenter environ 10 % de la valeur de base du secteur. Dans ce système émergent d'économie des données, à mesure que la précision des moteurs physiques s'améliore et que la technologie de randomisation de domaine est largement appliquée, les données de simulation passent d'un outil auxiliaire à un véritable élément de production central, devenant une infrastructure fondamentale capable d'atteindre le niveau des cent milliards de dollars.

Face à cette demande imminente du marché, Axis Robotics, grâce à un accès web léger et à un mécanisme de distribution des tâches, a transformé le mode de téléopération de simulation traditionnel « coûteux, centralisé et nécessitant des ressources importantes » en un réseau de données mondial à l'évolutivité exponentielle.

En réduisant considérablement les coûts marginaux de production de données et en améliorant les capacités de collecte de trajectoires à haute concurrence, Axis fournit non seulement à ses partenaires industriels des solutions de données efficaces et évolutives, mais établit également un modèle commercial présentant un fort potentiel de croissance, de larges opportunités de revenus et une reproductibilité sur le marché en pleine expansion des données d'IA incarnée.

Perspectives d'avenir : Vers l'intelligence incarnée « Moment GPT »

L’intelligence incarnée « GPT Moment » nécessite un moteur central capable de capturer l’intelligence humaine et de la transformer en capacités d’exécution machine stables et vérifiables . Avec ce lancement officiel sur la Base Chain, Axis déploie une infrastructure distribuée tournée vers l'avenir : un réseau ouvert à la fois résilient et capable de prendre en charge une collaboration à l'échelle mondiale.

Le 25 mars, le produit phare d'Axis a été officiellement lancé, ouvert à tous : utilisateurs réguliers, chercheurs, développeurs et laboratoires d'IA du monde entier pourront rejoindre cet écosystème pour construire collectivement l'ensemble de données d'entraînement robotique le plus vaste et le plus diversifié de l'histoire.

L'intelligence incarnée ne sera pas monopolisée par quelques-uns ; elle sera co-créée par tous.

Cet article est un contenu sponsorisé et ne représente pas les opinions de BlockBeats.