Axis Robotics Membuka Sumber Salah Satu Dataset Simulasi Franka Arm Terbesar untuk AI Fisik

Axis Robotics telah merilis Axis Sim Dataset V1, salah satu dataset simulasi sumber terbuka terbesar untuk manipulasi lengan Franka, dengan dataset lengkap, kode pelatihan, dan tolok ukur yang tersedia untuk umum. V1 dibangun dari lebih dari 50.000 trajektori simulasi yang dioperasikan manusia di 207 tugas manipulasi dan lebih dari 60.000 variasi adegan pada lengan Franka Research 3 yang disimulasikan.

Dataset ini menarik lebih dari 160.000 unduhan, menjadikannya dataset simulasi manipulasi Franka sumber terbuka yang paling banyak diunduh di Hugging Face. Dalam tolok ukur, pelatihan berkelanjutan pada V1 meningkatkan π0.5 dan mengalahkan baseline RoboCasa yang sesuai volume, dengan setiap hasil terbuka dan dapat diverifikasi.

Axis Robotics sedang membangun mesin data kompaun terbaik untuk AI Fisik, sebuah sistem terintegrasi secara vertikal yang mencakup simulasi skala besar, pengambilan dunia nyata yang egosentris, lokomasi-manipulasi humanoid, dan pelatihan pasca-DAgger yang dikendalikan manusia. Perusahaan ini mengumpulkan dana awal sebesar $12 juta yang dipimpin oleh Hack VC, dengan partisipasi dari Nomad Capital, Pi Network Ventures, 10K Ventures, dan investor malaikat.

Sebuah asumsi umum dalam robotika adalah bahwa demonstrasi harus hampir optimal untuk memulai --- menyaring trajektori ahli, menstandarkan pengaturan, dan membuang apa pun yang berisik sebelum aman untuk ditiru. Teori Axis berjalan sebaliknya: kualitas data ada pada tingkat distribusi, bukan pada trajektori tunggal. Ketika kerumunan yang besar dan cukup beragam menghasilkan trajektori yang berisik dan suboptimal dan kesalahan mereka tidak berkorelasi, kebisingan akan rata dan kebijakan yang berfungsi bertahan selama pelatihan.

Axis Sim Dataset V1 menguji teori itu secara publik. Trajektori ini mencakup pengambilan dan penempatan, penumpukan, menuang, manipulasi objek artikulasi, dan penggunaan alat, semuanya dikumpulkan melalui platform teleoperasi berbasis browser Axis, Axis Hub, oleh kerumunan terdistribusi daripada satu tim ahli tunggal. Dataset ini dibangun dengan peneliti dari UC Berkeley, Johns Hopkins, Universitas Michigan, dan institusi lainnya.

Di LIBERO-Plus, pelatihan berkelanjutan pada V1 meningkatkan π0.5 dari 83,9% menjadi 88,8% keberhasilan dan mengungguli baseline RoboCasa365 yang sesuai volume sebesar 37,3%. Kinerja meningkat secara konsisten saat data pelatihan meningkat dari 25% menjadi 100% dari dataset, tanpa tanda-tanda jenuh, bukti bahwa peningkatan berasal dari keragaman dan cakupan daripada lonjakan sekali saja. Peningkatan terbesar muncul di bawah gangguan kamera, kebisingan sensor, dan tata letak, sumbu yang tepat yang diacak Axis selama generasi.

Tim mengatakan V2 sudah dalam proses, dengan skala hingga 1,2 juta trajektori di 1.200 tugas, dengan generalisasi lintas-inkarnasi dan hasil di berbagai model VLA menunjukkan bahwa data simulasi suboptimal melatih kebijakan yang kuat.

Dataset ini adalah salah satu keluaran dari mesin data yang lebih besar dan aktif. Di mana vendor data tradisional mengumpulkan sesuai spesifikasi tetap dan berhenti, Axis menggunakan kinerja model dan kasus kegagalan untuk menentukan apa yang harus dikumpulkan selanjutnya, sehingga setiap putaran pelatihan memberi informasi untuk yang berikutnya. Mesin itu berjalan dengan strategi hibrida di empat jalur data, dan keempatnya sekarang berjalan dalam skala:

• Simulasi : lebih dari 200.000 kontributor terdistribusi di Axis Hub, dApp top-3 di Base, menghasilkan lebih dari 4,7 juta trajektori di 13 inkarnasi.
• Egocentric : jaringan terkelola dari lebih dari 1.000 pengumpul penuh waktu yang terlatih QC yang menangkap aktivitas orang pertama di rumah dan bisnis nyata di 14 industri: lebih dari 200.000 jam sudah terakumulasi dan tumbuh lebih dari 4.000 jam setiap hari, dengan pose tangan yang diverifikasi Vicon.
• Loco-manipulasi : lebih dari 500 jam menggabungkan mobilitas dan ketangkasan pada humanoid nyata (Unitree G1, Booster T2) melalui teleoperasi yang tidak bergantung pada perangkat keras.
• Pelatihan pasca-DAgger yang dikendalikan manusia : lebih dari 500 jam koreksi manusia-dalam-loop yang ditargetkan pada kasus tepi penerapan.

Setiap tugas dan trajektori dicatat di rantai di Base untuk asal-usul, dan kontributor dihargai atas kualitas kerja yang terverifikasi.

Selain membuka sumber data simulasi, Axis bekerja langsung dengan perusahaan inkarnasi robot untuk membangun saluran data khusus yang spesifik untuk inkarnasi dan prior model.

Sebagai mitra sim-data pertama Booster Robotics, Axis membangun kembali ruang kerja nyata Booster sebagai kembar digital yang selaras dengan tugas, meminta kontributor terdistribusi mengumpulkan lebih dari 42.000 episode simulasi di atasnya, dan menyaringnya menjadi prior model khusus Booster. Dengan hanya 30 demo robot nyata, prior itu mencapai keberhasilan 87,5% dibandingkan 37,5% untuk π0.5 yang siap pakai, mencocokkan π0.5 menggunakan setengah dari demonstrasi dunia nyata.

Mitra lainnya mencakup perusahaan inkarnasi (Feagine Robotics), perusahaan model (Manycore Tech, Dexmal) dan otomasi industri (Lotus Cars, Geely Auto). Axis juga menyediakan jaringan robotika di rantai: BitRobot di Solana dan OpenRoboto di Bittensor.

"Masa depan AI Fisik bukanlah dataset statis yang Anda unduh sekali," kata Chris Feng, pendiri Axis Robotics. "Ini adalah mesin yang terus memproduksi data yang dibutuhkan model selanjutnya. Skala memberi Anda cakupan yang luas. Keragaman menjaga kebisingan tetap tidak bias. Lingkaran tertutup mengubah setiap kegagalan menjadi kemajuan. Itulah yang mengkompaun."

Axis didirikan oleh peneliti dari UC Berkeley, CMU, Georgia Tech, dan SJTU, bersama dengan pendiri serial yang telah mengembangkan platform konsumen hingga lebih dari 30 juta pengguna. Penelitian ini dinasihati oleh Jiachen Li, Asisten Profesor di Georgia Tech.

Konten ini disediakan hanya untuk tujuan informasi umum dan bukan merupakan nasihat keuangan, investasi, hukum, atau pajak. Setiap acara, reward, promosi online, atau informasi terkait yang disebutkan di sini tidak boleh dianggap sebagai rekomendasi, ajakan, atau undangan untuk membeli, menjual, memperdagangkan, atau melakukan transaksi aset kripto apa pun. Aset kripto sangat fluktuatif dan dapat mengakibatkan kerugian. Ketersediaan layanan, produk, dan acara terkait WEEX dapat berbeda-beda di setiap wilayah. Anda bertanggung jawab untuk memastikan bahwa partisipasi Anda sesuai dengan hukum dan peraturan setempat yang berlaku.