شركة Axis Robotics تُتيح الوصول المفتوح إلى واحدة من أكبر مجموعات بيانات محاكاة ذراع فرانكا للذكاء الاصطناعي الفيزيائي

أصدرت شركة Axis Robotics مجموعة بيانات Axis Sim Dataset V1، وهي إحدى أكبر مجموعات بيانات المحاكاة مفتوحة المصدر لمعالجة ذراع Franka، حيث تتوفر مجموعة البيانات الكاملة، وشفرة التدريب، ومعايير الأداء للعموم. تستند V1 إلى أكثر من 50,000 مسار محاكاة تم التحكم بها عن بُعد بواسطة الإنسان، عبر 207 مهمة معالجة وأكثر من 60,000 مشهد مختلف على ذراع Franka Research 3 مُحاكاة.

حصدت هذه المجموعة من البيانات أكثر من 160 ألف عملية تنزيل، مما يجعلها مجموعة بيانات فرانكا لمعالجة الصور مفتوحة المصدر الأكثر تنزيلاً على منصة Hugging Face. في الاختبارات المعيارية، أدى التدريب المسبق المستمر على الإصدار الأول (V1) إلى تحسين الأداء بمقدار 0.5 نقطة، متفوقًا على خط الأساس RoboCasa المتطابق حجميًا، مع إمكانية التحقق من جميع النتائج بشكل كامل.

تعمل شركة Axis Robotics على تطوير محرك بيانات متكامل فائق الأداء للذكاء الاصطناعي الفيزيائي، وهو نظام متكامل رأسياً يشمل محاكاة واسعة النطاق، والتقاط بيانات من العالم الحقيقي من منظور المستخدم، والتحكم في حركة الروبوتات الشبيهة بالبشر، وتدريب الروبوتات DAgger بعد التدريب. وقد جمعت الشركة 12 مليون دولار أمريكي كتمويل تأسيسي بقيادة Hack VC، وبمشاركة Nomad Capital وPi Network Ventures و10K Ventures ومستثمرين ملائكيين.

رهان ضد "البيانات النظيفة فقط"

يفترض مجال الروبوتات عادةً أن تكون العروض التوضيحية شبه مثالية منذ البداية، وذلك من خلال تصفية المسارات وصولاً إلى مسارات الخبراء، وتوحيد الإعدادات، واستبعاد أي بيانات غير دقيقة قبل إمكانية محاكاتها بأمان. لكن نظرية أكسيس تنطلق من منظور مختلف: فجودة البيانات تكمن في مستوى التوزيع، وليس في المسار الفردي. فعندما ينتج عدد كبير ومتنوع من الروبوتات مسارات غير دقيقة وغير مثالية، وتكون أخطاؤها غير مترابطة، فإن التشويش يتلاشى تدريجياً، وتستمر السياسة الفعالة في العمل أثناء التدريب.

تُخضع مجموعة بيانات Axis Sim V1 هذه الفرضية لاختبارٍ عملي. تشمل مساراتها عمليات الالتقاط والوضع، والتكديس، والصب، ومعالجة الأشياء المفصلية، واستخدام الأدوات، وقد جُمعت جميعها عبر منصة Axis Hub للتحكم عن بُعد عبر المتصفح، وذلك بواسطة مجموعة موزعة من المستخدمين بدلاً من فريق خبراء واحد. تم بناء مجموعة البيانات بالتعاون مع باحثين من جامعة كاليفورنيا في بيركلي، وجامعة جونز هوبكنز، وجامعة ميشيغان، ومؤسسات أخرى.

نتائج قابلة للتوسع

في مجموعة بيانات LIBERO-Plus، أدى التدريب المسبق المستمر على الإصدار الأول (V1) إلى رفع نسبة نجاح π0.5 من 83.9% إلى 88.8%، متفوقًا على نموذج RoboCasa365 الأساسي المتطابق في الحجم بنسبة 37.3%. يتحسن الأداء باستمرار مع زيادة حجم بيانات التدريب المسبق من 25% إلى 100% من مجموعة البيانات، دون أي تشبع ملحوظ، مما يدل على أن التحسينات ناتجة عن التنوع والتغطية وليس عن تحسن مؤقت. تظهر أكبر التحسينات عند وجود تشويش في الكاميرا والمستشعر، واضطرابات في التخطيط، حيث يقوم برنامج Axis بتغيير المحاور عشوائيًا أثناء عملية التوليد.

ويقول الفريق إن الإصدار الثاني قيد التنفيذ بالفعل، ويتوسع ليشمل 1.2 مليون مسار عبر 1200 مهمة، مع تعميم التجسيدات المتعددة والنتائج عبر نماذج VLA المتعددة التي تُظهر أن بيانات المحاكاة دون المستوى الأمثل تُدرب سياسات قوية.

المحرك الذي يقف وراء مجموعة البيانات

تُعدّ مجموعة البيانات هذه إحدى مخرجات محرك بيانات أكبر وأكثر تطورًا. فبينما يجمع مزودو البيانات التقليديون البيانات وفقًا لمواصفات ثابتة ويتوقفون، تستخدم Axis أداء النموذج وحالات الفشل لتحديد البيانات التي يجب جمعها لاحقًا، بحيث تُسهم كل جولة تدريب في تحسين الجولة التالية. ويعمل هذا المحرك وفق استراتيجية هجينة عبر أربعة خطوط بيانات، وتعمل جميعها الآن على نطاق واسع

• المحاكاة: أكثر من 200,000 مساهم موزعين على Axis Hub، وهو أحد أفضل 3 تطبيقات لامركزية على Base، مما ينتج عنه أكثر من 4.7 مليون مسار عبر 13 نموذجًا.
• Egocentric: شبكة مُدارة تضم أكثر من 1000 جامع بدوام كامل، مدربين على مراقبة الجودة، يقومون بالتقاط النشاط من منظور الشخص الأول في المنازل والشركات الحقيقية عبر 14 صناعة: أكثر من 200000 ساعة مخزنة بالفعل وتنمو بأكثر من 4000 ساعة كل يوم، مع وضعية يد تم التحقق منها بواسطة Vicon.
• التحكم عن بعد: أكثر من 500 ساعة تجمع بين الحركة والبراعة على روبوتات بشرية حقيقية (Unitree G1، Booster T2) من خلال التشغيل عن بعد غير المرتبط بالأجهزة.
• التدريب اللاحق لـ DAgger الذي يتم التحكم فيه بواسطة الإنسان: أكثر من 500 ساعة من التصحيح البشري الموجه لحالات الحافة في النشر.

يتم تسجيل كل مهمة ومسار على سلسلة الكتل في Base لأغراض التحقق من المصدر، ويتم مكافأة المساهمين على جودة العمل التي تم التحقق منها.

من البيانات المفتوحة إلى النشر التجاري

بالإضافة إلى نشر بيانات المحاكاة مفتوحة المصدر، تعمل شركة Axis مباشرة مع شركات تجسيد الروبوتات لبناء خطوط بيانات مخصصة خاصة بالتجسيد ونماذج مسبقة.

بصفتها أول شريك لشركة Booster Robotics في مجال بيانات المحاكاة، أعادت Axis بناء بيئة عمل Booster الحقيقية كنسخة رقمية مطابقة للمهام، وجمعت أكثر من 42,000 حلقة محاكاة من مساهمين موزعين، ثم قامت بتحليلها في نموذج أولي خاص بـ Booster. وباستخدام 30 عرضًا توضيحيًا فقط لروبوتات حقيقية، حقق هذا النموذج الأولي نسبة نجاح بلغت 87.5% مقابل 37.5% لنموذج π0.5 الجاهز، محققًا بذلك تطابقًا مع π0.5 باستخدام نصف عدد العروض التوضيحية الواقعية.

تشمل قائمة الشركاء الآخرين شركات تجسيد الروبوتات (مثل Feagene Robotics)، وشركات تصميم النماذج (مثل Manycore Tech وDexmal)، وشركات الأتمتة الصناعية (مثل Lotus Cars وGeely Auto). كما توفر Axis شبكات الروبوتات المتصلة بسلسلة الكتل: BitRobot على Solana وOpenRoboto على منصة Bittensor.

إعادةdefiأساس البيانات للذكاء الاصطناعي الفيزيائي

قال كريس فينغ، مؤسس شركة أكسيس روبوتيكس: "مستقبل الذكاء الاصطناعي الفيزيائي ليس مجموعة بيانات ثابتة يتم تنزيلها مرة واحدة، بل هو محرك يستمر في إنتاج البيانات التي يحتاجها النموذج. فالتوسع يمنحك تغطية شاملة، والتنوع يحافظ على نقاء البيانات، والحلقة المغلقة تحوّل كل فشل إلى تقدم، وهذا ما يُضاعف النتائج."

تأسست شركة Axis على يد باحثين من جامعة كاليفورنيا في بيركلي، وجامعة كارنيجي ميلون، ومعهد جورجيا للتكنولوجيا، وجامعة شنغهاي جياوتونغ، إلى جانب مؤسسين متمرسين نجحوا في توسيع منصات استهلاكية لتضم أكثر من 30 مليون مستخدم. ويشرف على أبحاثها جياشن لي، الأستاذ المساعد في معهد جورجيا للتكنولوجيا.

رابط البحث: https://arxiv.org/abs/2607.21588

صفحة المشروع: https://axisaiorg.github.io/AXIS-V1/

رابط مجموعة البيانات: https://huggingface.co/datasets/axisrobotics/Franka-Dataset

قاعدة بيانات GitHub: https://github.com/AxisAIOrg/Axis-V1-Training