Axis Roboticsは Axis Sim Dataset V1た。データセット全体、トレーニングコード、ベンチマークが公開されています。V1は、Franka Research 3アームをシミュレートした環境下で、207種類の操作タスクと6万種類以上のシーンバリエーションにわたる、5万を超える人間による遠隔操作シミュレーション軌跡から構築されています。
このデータセットは16万回以上ダウンロードされ、Hugging Faceで最もダウンロードされたオープンソースのFranka操作シミュレーションデータセットとなりました。ベンチマークでは、V1での継続的な事前学習によりπ0.5が向上し、ボリュームが一致するRoboCasaベースラインを上回りました。すべての結果は公開され、検証可能です。.
Axis Roboticsは、物理AI向けの究極の複合データエンジンを構築しています。これは、大規模シミュレーション、自己中心的な実世界キャプチャ、ヒューマノイドの移動操作、および人間がゲートするDAggerのトレーニング後処理を網羅する垂直統合システムです。同社は、Hack VCが主導し、Nomad Capital、Pi Network Ventures、10K Ventures、およびエンジェル投資家が参加したシード資金調達ラウンドで1,200万ドルを調達しました。.
「クリーンデータのみ」という考え方への反論
ロボット工学における一般的な前提は、デモンストレーションは最初からほぼ最適でなければならないというものだ。つまり、専門家の軌跡に絞り込み、セットアップを標準化し、模倣する前にノイズのあるデータはすべて破棄する必要がある。Axisの主張はこれとは逆で、データ品質は単一の軌跡ではなく、分布レベルで決まるというものだ。十分な規模と多様性を持つ集団がノイズの多い最適ではない軌跡を生成し、それらの誤差が無相関であれば、ノイズは平均化され、トレーニング中に有効なポリシーが維持される。.
Axis Sim Dataset V1は、この仮説を公に検証するものです。このデータセットには、ピックアンドプレース、スタッキング、注ぎ込み、関節式物体の操作、工具の使用といった動作軌跡が含まれており、単一の専門家チームではなく、分散したユーザーグループによって、Axisのブラウザベースの遠隔操作プラットフォームであるAxis Hubを通じて収集されました。このデータセットは、カリフォルニア大学バークレー校、ジョンズ・ホプキンス大学、ミシガン大学などの研究者によって構築されました。.
拡張可能な成果
LIBERO-Plusでは、V1での継続的な事前学習により、π0.5の成功率が83.9%から88.8%に向上し、ボリュームが一致するRoboCasa365ベースラインを37.3%上回ります。事前学習データがデータセットの25%から100%に拡大するにつれてパフォーマンスは一貫して向上し、飽和は見られません。これは、一時的な上昇ではなく、多様性とカバレッジによる向上であることを示しています。最大の改善は、カメラ、センサーノイズ、レイアウトの摂動下で現れます。これらは、Axisが生成中にランダム化するまさにその軸です。.
チームによると、V2は既に開発中で、1,200のタスクにわたる120万の軌跡に拡張され、異種具現化の汎化と複数のVLAモデルにわたる結果から、最適ではないシミュレーションデータでも堅牢なポリシーを学習できることが示されているという。.
データセットの背後にあるエンジン
このデータセットは、より大規模で、常に進化し続けるデータエンジンの出力の一つです。従来のデータベンダーは固定仕様に基づいてデータを収集して停止しますが、Axisはモデルのパフォーマンスと失敗事例に基づいて次に収集すべきデータを決定するため、各トレーニングラウンドが次のトレーニングラウンドに反映されます。このエンジンは4つのデータラインにわたるハイブリッド戦略で動作し、現在では4つすべてが大規模に稼働しています。
- シミュレーション：Base の上位 3 位の dApp である Axis Hub には 20 万人以上の分散型コントリビューターが参加し、13 の実装にわたって 470 万以上の軌跡を生成しています。
- Egocentric：14の業界にわたる実際の住宅や企業で、一人称視点での活動を捉える、1,000人以上のフルタイムでQCトレーニングを受けた収集員からなる管理されたネットワーク。既に20万時間以上のデータが蓄積されており、毎日4,000時間以上増加しています。Viconで検証済みの手のポーズも含まれています。
- 移動操作：ハードウェアに依存しない遠隔操作により、実際のヒューマノイド（Unitree G1、Booster T2）上で移動性と器用さを組み合わせた操作を500時間以上実施。
- 人間によるゲート付きDAgger事後トレーニング：展開時のエッジケースを対象とした、500時間以上の人間によるループ修正。
すべてのタスクと軌跡は、出所証明のためにBaseのオンチェーンに記録され、貢献者は検証済みの作業品質に応じて報酬を受け取ります。.
オープンデータから商用展開まで
Axisはシミュレーションデータのオープンソース化に加え、 ロボットの具現化企業 、カスタマイズされた具現化固有のデータパイプラインとモデル事前分布を構築している。
Booster Roboticsの最初のシミュレーションデータパートナーとして、AxisはBoosterの実際の作業空間をタスクに合わせたデジタルツインとして再構築し、分散した貢献者によって42,000以上のシミュレーションエピソードを収集し、それらをBooster固有のモデル事前分布に集約しました。わずか30の実際のロボットデモで、この事前分布は87.5%の成功率を達成し、既製のπ0.5の37.5%を上回り、実際のデモの半分でπ0.5と同等の性能を実現しました。.
その他のパートナーには、 具現化企業 （Feagine Robotics）、 モデル企業 （Manycore Tech、Dexmal）、 産業オートメーション企業 （Lotus Cars、Geely Auto）などが含まれます。Axisは、 オンチェーンロボティクスネットワーク上のBitRobot Solana とBittensor上のOpenRobotoを運営しています。
物理AIのデータ基盤の再defi
「物理AIの未来は、一度ダウンロードすれば済むような静的なデータセットではありません」と、Axis Roboticsの創設者であるクリス・フェン氏は述べています。「それは、モデルが次に必要とするデータを継続的に生成するエンジンです。規模が大きければ広範囲をカバーでき、多様性があればノイズの偏りがなくなります。クローズドループによって、あらゆる失敗が進歩へと繋がります。それが複利効果を生み出すのです。」
Axisは、カリフォルニア大学バークレー校、カーネギーメロン大学、ジョージア工科大学、上海交通大学の研究者らが、3000万人以上のユーザーを抱える消費者向けプラットフォームを成功させた連続起業家らと共に設立した。同社の研究は、ジョージア工科大学の助教授である李佳晨氏が指導している。.
論文リンク： https://arxiv.org/abs/2607.21588
プロジェクトページ： https://axisaiorg.github.io/AXIS-V1/
データセットリンク： https://huggingface.co/datasets/axisrobotics/Franka-Dataset
GitHubコードベース： https://github.com/AxisAIOrg/Axis-V1-Training
免責事項。 これは企業プレスリリースです。読者は、宣伝されている企業、その関連会社、またはサービスに関連する行動を起こす前に、ご自身で十分な調査を行う必要があります。Cryptopolitan.comは、プレスリリース Cryptopolitanに されているコンテンツ、商品、またはサービスの使用または信頼に起因または関連して発生した、または発生したと主張されるいかなる損害または損失についても、直接的または間接的に責任を負いません。
ブロックマンPR
BlockmanPRは、2020年以来、Web3ブランドを世界中のオーディエンスに届けてきた暗号通貨PRおよびメディアエージェンシーです。300以上の暗号通貨メディアおよび一般メディアへのプレスリリース配信から、一流メディアへの掲載、取引所PR、KOLキャンペーン、有料メディアまで、あらゆるチャネルをワンストップで運営しています。BlockmanPRは、トークンプロジェクト、取引所、Web3スタートアップ向けに10万件以上のメディアリンクを提供してきました。Web3マーケティングのすべてを、BlockmanPRにお任せください。.
