Axis Robotics hat 12 Millionen US-Dollar an Finanzmitteln eingeworben, um die Datenverarbeitungs-Engine zu entwickeln, die die physische KI beschleunigt

Axis Robotics, die datenbasierte Plattform, die die Entwicklung von Physical AI beschleunigt, gibt bekannt, dass sie in einer Seed-Finanzierungsrunde unter der Führung von Hack VC 12 Millionen US-Dollar eingesammelt hat. Beteiligt waren außerdem Nomad Capital, Pi Network Ventures, 10K Ventures und verschiedene Business Angels.

Die Finanzierung wird Axis' Mission beschleunigen, eine massiv parallele, vom Menschen gesteuerte globale Datenmaschine aufzubauen und damit das größte Problem der physikalischen KI zu lösen: die skalierbare Generierung strukturierter, hochgradig diverser Trainingsdaten für Roboter.

Überwindung des Datenengpasses in der physikalischen KI

Während große Sprachmodelle auf Billionen von Tokens bereits existierender Internetdaten skalieren, steht die physikalische KI vor drei wichtigen Hürden: gravierende Datenknappheit, Generalisierungslücke und Fragmentierung der Verkörperung über verschiedene Roboterhardware hinweg.

„Physische KI benötigt Milliarden von Bewegungsabläufen für die Interaktion zwischen Mensch und Körper“, sagte Chris, Gründer von Axis Robotics. „Jahrelang fehlte der Branche ein effizientes, unbegrenzt skalierbares hybrides Datenerzeugungssystem, das die mühelose Iteration von Modellen ermöglicht – und genau das haben wir mit Axis entwickelt: eine sich selbst verstärkende Datenmaschine.“

Wie stärkt Axis die allgemeine Roboterintelligenz?

Die von Axis entwickelte Compounding Data Engine bietet einen durchgängigen Workflow, der Aufgabengenerierung, Datenerfassung, kontinuierliches Modelltraining und Optimierung integriert:

Task Gen Engine: Erzeugt exponentiell vielfältige atomare Roboteraufgaben durch Randomisierung von Objekten, räumlichen Anordnungen, visuellen Darstellungen, Roboterverkörperungen und Semantik und bettet so Vielfalt in jede einzelne Datentrajektorie ein;

Browserbasierte Sim-Teleoperationsplattform: Die weltweit erste webbasierte Schnittstelle, die es jedem ermöglicht, hochwertige Roboterbewegungstrajektorien aus der Ferne zu generieren. Axis bietet einen 10-mal höheren Durchsatz als laborbasierte Datenerfassung und integriert nahtlos vom Menschen gesteuerte DAgger-Interventionsschleifen (Dataset Aggregation), um Roboterrichtlinien kontinuierlich zu verfeinern und zu korrigieren;

Ego Data Mobile Capture App: Verlagert die Datenerfassung in der realen Welt von teuren, hardwareintensiven Setups hin zu einer unkomplizierten mobilen Anwendung. Durch die Kombination modernster (SOTA) Echtzeit-Handpose- tracTechnologie mit einem globalen Arbeitskräftepotenzial übersetzt Axis menschliches Sehen und Geschicklichkeit in Roboterbewegungen im globalen Maßstab;

Datenverarbeitungspipeline: Automatisiert die Bereinigung von Trajektorien, die Domänenrandomisierung und die dichte Sprachannotation und gibt modellfertige multimodale Datensätze mit über 10-fach verbesserter Datenqualität aus.

Die einheitliche Architektur erzeugt einen sich selbst verstärkenden Kreislauf: Fehlgeschlagene Robotertrajektorien aus realen/simulierten Einsätzen lösen menschliche Korrektureingriffe aus, die wiederum in das Training zurückfließen, um die Abdeckung von Grenzfällen zu erweitern, wodurch mit zunehmendem Datenvolumen eine kumulative Intelligenz entsteht.

Die strukturellen Wettbewerbsvorteile von Axis: Ein vertikal integrierter Diversitätsmotor und ein globales Mitarbeiternetzwerk

Der entscheidende Wettbewerbsvorteil von Axis liegt in seiner einheitlichen Plattform, die den gesamten Lebenszyklus physikalischer KI abdeckt. Im Gegensatz zu herkömmlichen, fragmentierten Ansätzen hat Axis eine vertikal integrierte Engine entwickelt, die die großflächige, verteilte Datenerfassung vor dem Training mit der manuell gesteuerten Datensatzaggregation in Echtzeit nach dem Training vereint.

Die von Axis entwickelte, proprietäre Task Generation Engine ist auf Datenvielfalt ausgelegt und randomisiert Objektanordnungen, Beleuchtung, Kamerapositionen, physikalische Eigenschaften und Robotermorphologien. Dadurch entstehen unzählige einzigartige Szenen und Manipulationsaufgaben, die zu generalisierungsfähigen Trainingsdaten führen.

Um umfangreiche und vielfältige Daten für Basismodelle bereitzustellen, hat Axis eine globale Roboterdateninfrastruktur mit über 100.000 aktiven Mitwirkenden aufgebaut, die durchschnittlich drei- bis viermal täglich Daten beisteuern. Dies maximiert sowohl die Produktionseffizienz als auch die Abdeckung der Datenvielfalt. Axis generiert monatlich über 1.200 Stunden Simulationsdaten und mehr als 20.000 Stunden realweltliche, nutzerzentrierte Daten aus unterschiedlichsten Szenarien.

Axis hat kürzlich das Sim-Dataset V1 veröffentlicht. Benchmark-Ergebnisse zeigen, dass gezielte Diversität messbare Leistungssteigerungen ermöglicht. Auf LIBERO-Plus verbesserte das Vortraining von π0.5 mit dem vollständig diversifizierten Datensatz von Axis den Gesamterfolg um 4,9 Punkte und übertraf damit eine volumenangepasste RoboCasa365-Baseline um 31,3 Punkte. Zu den Verbesserungen zählen die Generalisierung des Layouts, die Robustheit gegenüber Sensorauschen und die Stabilität der Roboterposition. Dieser Unterschied beweist, dass der Vorsprung von Axis in der firmeneigenen Diversitätspipeline liegt – und nicht einfach in der größeren Datenmenge.

Kommerzialisierung und strategische Partnerschaften

Axis Robotics vermarktet seine hochwertigen Trainingsdaten zügig für den praktischen Einsatz. Das Unternehmen bietet maßgeschneiderte „Aufgabenpakete“ an, die auf die spezifischen Bedürfnisse von Herstellern von Roboterhardware, Unternehmen für physikalische KI-Modelle und führenden Anbietern von Industrieautomatisierung zugeschnitten sind.

Erste kommerzielle Partnerschaften wurden bereits mit Unternehmen wie Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks und weiteren geschlossen. Diese Kooperationen unterstreichen die unmittelbare Marktnachfrage nach skalierbaren, hochpräzisen Trainingsdaten für Roboter.

Allgemeine körperliche Intelligenz neudefi

„Die Zukunft der physikalischen KI hängt von einer tiefen Symbiose zwischen Modellen und Daten ab“, sagte Chris. „Statische Datensätze reichen nicht für allgemeine Roboterintelligenz aus. Die erfolgversprechende Lösung ist eine sich selbst verstärkende Datenmaschine: ein vertikal integriertes System, das ein globales Netzwerk von Mitwirkenden mit ständiger Modelliteration verbindet. Jede unterschiedliche Entwicklungslinie und jede menschliche Korrektur beschleunigt die Modellverbesserung und bildet so einen sich selbst verstärkenden Intelligenzkreislauf.“

Das Unternehmen wird von einem Weltklasse-Team getragen, das führende KI- und Robotikforscher von Eliteinstitutionen wie der UC Berkeley, der Carnegie Mellon University, Georgia Tech, NTU und SJTU mit Wachstumshackern vereint, die zuvor Konsumprodukte auf über 30 Millionen Nutzer weltweit skaliert haben.

Mit dieser Finanzierungsrunde in Höhe von 12 Millionen US-Dollar unter der Führung von Hack VC wird Axis Robotics seine prozeduralen Generierungsfähigkeiten weiter ausbauen, sein verteiltes Netzwerk von Mitwirkenden vergrößern und seine Position als entscheidende Datenmaschine für die Zukunft der physikalischen KI festigen.

Linktree | Twitter | Dokumentation | Produkt