Axis Robotics开源了最大的Franka臂仿真数据集之一，用于物理人工智能

Axis Robotics发布了Axis Sim Dataset V1，这是最大的Franka臂操作的开源仿真数据集之一，完整数据集、训练代码和基准测试均已公开。V1由超过50,000条人类遥控的仿真轨迹构建，涵盖207个操作任务和60,000多个场景变体，基于模拟的Franka Research 3臂。

该数据集吸引了超过160,000次下载，使其成为Hugging Face上下载量最多的开源Franka操作仿真数据集。在基准测试中，V1的持续预训练使π0.5提升，并超越了一个体积匹配的RoboCasa基线，所有结果均可公开验证。

Axis Robotics正在构建物理人工智能的终极复合数据引擎，这是一个垂直整合的系统，涵盖大规模仿真、自我中心的现实世界捕捉、人形运动操作和人类引导的DAgger后训练。该公司获得了1200万美元的种子融资，由Hack VC主导，Nomad Capital、Pi Network Ventures、10K Ventures和天使投资者参与。

在机器人技术中，一个常见的假设是演示必须是近乎最佳的——过滤到专家轨迹，标准化设置，并在安全模仿之前丢弃任何噪声。Axis的论点则相反：数据质量存在于分布层面，而不是单一轨迹。当一个足够大且多样化的人群产生噪声、次优轨迹且其错误不相关时，噪声会平均化，工作策略在训练中得以存活。

Axis Sim Dataset V1将这一论点进行了公开测试。其轨迹涵盖了取放、堆叠、倒水、关节物体操作和工具使用，所有数据通过Axis的基于浏览器的遥操作平台Axis Hub，由分布式人群而非单一专家团队收集。该数据集是与UC Berkeley、约翰霍普金斯大学、密歇根大学及其他机构的研究人员共同构建的。

在LIBERO-Plus上，V1的持续预训练使π0.5的成功率从83.9%提升至88.8%，并超越了一个体积匹配的RoboCasa365基线37.3%。随着预训练数据从25%扩展到100%，性能持续改善，且没有饱和的迹象，证明收益来自多样性和覆盖，而不是一次性提升。最大的改进出现在相机、传感器噪声和布局扰动下，这正是Axis在生成过程中随机化的轴。

团队表示，V2已经在进行中，规模将达到120万条轨迹，涵盖1200个任务，跨体现的泛化和多个VLA模型的结果显示，次优的仿真数据可以训练出稳健的策略。

该数据集是一个更大、积极复合的数据引擎的一个输出。传统数据供应商收集固定规格的数据并停止，而Axis利用模型性能和失败案例来确定下一步应收集什么，因此每轮训练都为下一轮提供信息。该引擎在四条数据线上采用混合策略运行，四条数据线现在都在规模上运行：

• 仿真：在Axis Hub上有超过200,000名分布式贡献者，这是Base上的前三大去中心化应用之一，产生了超过470万条轨迹，涵盖13种体现。
• 自我中心：一个管理网络，拥有1000多名全职、经过质量控制培训的收集者，在14个行业的真实家庭和企业中捕捉第一人称活动：已经积累了超过200,000小时，并每天增加超过4,000小时，手势姿势经过Vicon验证。
• 运动操作：在真实人形机器人（Unitree G1、Booster T2）上结合移动性和灵巧性，累计超过500小时，通过硬件无关的遥操作。
• 人类引导的DAgger后训练：针对部署边缘案例的500多个小时的人类参与纠正。

每个任务和轨迹都在Base上链上记录以确保来源，贡献者因验证的工作质量而获得奖励。

除了开源仿真数据，Axis还直接与机器人体现公司合作，建立定制的、体现特定的数据管道和模型先验。

作为Booster Robotics的首个仿真数据合作伙伴，Axis重建了Booster的真实工作空间，作为任务对齐的数字双胞胎，让分布式贡献者在其上收集了42,000多个仿真集，并将其提炼为Booster特定的模型先验。仅用30个真实机器人演示，该先验的成功率达到了87.5%，而一个现成的π0.5的成功率为37.5%，使用一半的真实世界演示达到了π0.5。

其他合作伙伴包括体现公司（Feagine Robotics）、模型公司（Manycore Tech、Dexmal）和工业自动化（Lotus Cars、吉利汽车）。Axis还提供链上机器人网络：Solana上的BitRobot和Bittensor上的OpenRoboto。

“物理人工智能的未来不是一个你一次下载的静态数据集，”Axis Robotics创始人Chris Feng说。“它是一个不断产生模型所需数据的引擎。规模为你提供广泛的覆盖。多样性保持噪声不偏向。闭环将每次失败转化为进步。这就是复合的意义。”

Axis由来自UC Berkeley、CMU、乔治亚理工学院和SJTU的研究人员以及将消费者平台扩展到超过3000万用户的连续创始人共同创立。其研究由乔治亚理工学院助理教授李嘉辰指导。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。