Axis Robotics a levé 12 millions de dollars pour développer un moteur de données cumulatif accélérant l'IA physique

Axis Robotics, le moteur de données à agrégation qui accélère l'IA physique, annonce avoir levé 12 millions de dollars lors d'un tour de table d'amorçage mené par Hack VC, avec la participation de Nomad Capital, Pi Network Ventures, 10K Ventures et de divers investisseurs providentiels.

Ce financement permettra d'accélérer la mission d'Axis visant à construire un moteur de données mondial massivement parallèle et centré sur l'humain, résolvant ainsi le principal problème de l'IA physique : la génération à grande échelle de données d'entraînement robotiques structurées et très diversifiées.

Résoudre le problème des goulots d'étranglement des données dans l'IA physique

Alors que les grands modèles de langage s'adaptent à des milliards de jetons de données Internet préexistantes, l'IA physique est confrontée à trois obstacles importants : une grave pénurie de données, un déficit de généralisation et une fragmentation de l'incarnation sur différents matériels robotiques.

« L’IA physique exige des milliards de trajectoires de mouvement d’interactions physiques humaines », a déclaré Chris, fondateur d’Axis Robotics. « Pendant des années, le secteur a manqué d’un système de production de données hybride, efficace et infiniment évolutif, capable de faciliter l’itération des modèles ; c’est précisément ce que nous avons créé avec Axis, un moteur de données à accumulation. »

Comment Axis renforce-t-il l'intelligence générale de la robotique ?

Le moteur de données composites propriétaire d'Axis offre un flux de travail de bout en bout intégrant la génération de tâches, la capture de données, l'entraînement continu du modèle et l'optimisation :

Moteur de génération de tâches: Génère des tâches robotiques atomiques exponentiellement diverses via la randomisation des objets, des agencements spatiaux, des visuels, des incarnations de robots et de la sémantique, intégrant la diversité dans chaque trajectoire de données ;

Plateforme de téléopération de simulation basée sur navigateur : la première interface web au monde qui permet à quiconque de générer à distance des trajectoires de mouvement robotiques de haute qualité. Axis offre un débit 10 fois supérieur à la collecte en laboratoire et intègre de manière transparente des boucles d'intervention DAgger (agrégation de jeux de données) contrôlées par l'humain pour affiner et corriger en continu les politiques des robots ;

Application mobile de capture de données Ego : Elle transforme la capture de données du monde réel, auparavant assurée par des configurations coûteuses et lourdes en matériel, en une application mobile sans barrière. En associant un tracde pointe à une main-d’œuvre mondiale, Axis traduit la vision et la dextérité humaines en mouvements robotiques à l’échelle mondiale ;

Pipeline de traitement des données : automatise le nettoyage des trajectoires, la randomisation des domaines et l’annotation dense du langage, produisant des ensembles de données multimodaux prêts pour le modèle avec une qualité de données plus de 10 fois supérieure.

L'architecture unifiée crée un cercle vertueux : les trajectoires de robots défaillantes lors de déploiements réels/simulés déclenchent une intervention corrective humaine, qui est réinjectée dans la formation pour étendre la couverture des cas limites, créant ainsi une intelligence cumulative à mesure que le volume de données augmente.

Les atouts structurels d'Axis : un moteur de diversité verticalement intégré et un réseau mondial de contributeurs

L'atout majeur d'Axis réside dans sa plateforme unifiée qui couvre l'intégralité du cycle de vie de l'IA physique. Contrairement aux approches fragmentées traditionnelles, Axis a conçu un moteur intégré verticalement qui combine la collecte de données pré-entraînement distribuée à grande échelle et l'agrégation de jeux de données post-entraînement, contrôlée par l'humain et en temps réel.

Conçu nativement pour la diversité des données, le moteur de génération de tâches propriétaire d'Axis randomise les dispositions des objets, l'éclairage, les poses de la caméra, les propriétés physiques et les morphologies des robots, créant ainsi une infinité de scènes uniques et de tâches de manipulation, et produisant des données d'entraînement prêtes pour la généralisation.

Pour fournir des données diversifiées à l'échelle des modèles de base, Axis a mis en place une infrastructure mondiale de données robotiques comptant plus de 100 000 contributeurs actifs qui soumettent en moyenne 3 à 4 fois par jour, ce qui optimise à la fois l'efficacité de la production et la diversité des données couvertes. Aujourd'hui, Axis peut générer chaque mois plus de 1 200 heures de données de simulation et plus de 20 000 heures de données réelles centrées sur l'égocentrisme, couvrant divers scénarios.

Axis a récemment lancé Sim Dataset V1, dont les résultats de tests comparatifs démontrent que la diversité des données offre des gains de performance mesurables. Sur LIBERO-Plus, le pré-entraînement de π0,5 sur le jeu de données entièrement diversifié d'Axis a amélioré le taux de réussite global de 4,9 points, surpassant ainsi une performance de référence RoboCasa365 à volume équivalent de 31,3 points. Les gains observés concernent la généralisation des configurations, la résistance au bruit des capteurs et la robustesse des poses du robot. Cet écart démontre que l'avantage concurrentiel d'Axis repose sur son pipeline de diversité propriétaire, et non sur un simple volume de données plus important.

Commercialisation et partenariats stratégiques

Axis Robotics commercialise rapidement ses données d'entraînement de haute qualité pour des déploiements concrets. L'entreprise propose des « packages de tâches » personnalisés, adaptés aux besoins spécifiques des fabricants de matériel robotique, des sociétés de modélisation physique par IA et des leaders de l'automatisation industrielle.

Des partenariats commerciaux initiaux ont déjà été établis avec des entreprises telles que Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks et bien d'autres. Ces collaborations soulignent la demande immédiate du marché pour des données d'entraînement robotiques évolutives et de haute fidélité.

defil'intelligence physique générale

« L’avenir de l’IA physique repose sur une symbiose profonde entre les modèles et les données », a déclaré Chris. « Les ensembles de données statiques ne peuvent alimenter une intelligence robotique générale. La solution gagnante est un moteur de données cumulatif : un système verticalement intégré reliant un réseau mondial de contributeurs à une itération constante des modèles. Chaque trajectoire diversifiée et chaque correction humaine alimentent une amélioration plus rapide des modèles, créant ainsi un cercle vertueux d’intelligence auto-entretenue. »

L'entreprise est dirigée par une équipe de classe mondiale combinant les meilleurs chercheurs en IA et en robotique d'institutions prestigieuses telles que UC Berkeley, l'Université Carnegie Mellon, Georgia Tech, NTU et SJTU, ainsi que des experts en croissance qui ont déjà déployé des produits grand public auprès de plus de 30 millions d'utilisateurs dans le monde.

Grâce à ce tour de table de 12 millions de dollars mené par Hack VC, Axis Robotics va étendre ses capacités de génération procédurale, développer son réseau distribué de contributeurs et consolider sa position de moteur de données essentiel qui alimente l'avenir de l'IA physique.

Linktree | Twitter | Documentation | Produit