Axis Robotics, 물리적 AI를 위한 가장 큰 Franka 암 시뮬레이션 데이터셋 중 하나 오픈소스화

Axis Robotics는 Axis Sim Dataset V1을 출시했으며, 이는 Franka 암 조작을 위한 가장 큰 오픈소스 시뮬레이션 데이터셋 중 하나로, 전체 데이터셋, 훈련 코드 및 벤치마크가 공개적으로 이용 가능하다. V1은 시뮬레이션된 Franka Research 3 암에서 207개의 조작 작업과 60,000개 이상의 장면 변형에 걸쳐 50,000개 이상의 인간 원격 조작 시뮬레이션 궤적으로 구축되었다.

이 데이터셋은 160,000회 이상의 다운로드를 기록하여 Hugging Face에서 가장 많이 다운로드된 오픈소스 시뮬레이션 Franka 조작 데이터셋이 되었다. 벤치마크에서 V1에 대한 지속적 사전 훈련은 π0.5를 상승시켰으며, 볼륨에 맞춘 RoboCasa 베이스라인을 능가했으며, 모든 결과는 공개되고 검증 가능했다.

Axis Robotics는 대규모 시뮬레이션, 1인칭 실제 세계 캡처, 휴머노이드 로코-매니퓰레이션, 인간 게이트형 DAgger 사후 훈련을 아우르는 수직 통합 시스템인 물리적 AI를 위한 궁극적인 복리 데이터 엔진을 구축하고 있다. 이 회사는 Hack VC의 주도 하에 1,200만 달러의 시드 펀딩을 조달했으며, Nomad Capital, Pi Network Ventures, 10K Ventures 및 엔젤 투자자들이 참여했다.

“깨끗한 데이터만”에 대한 베팅 반대

로봇공학의 일반적인 가정은 시연이 처음부터 거의 최적이어야 한다는 것이다 — 전문가 궤적으로 필터링하고, 설정을 표준화하며, 모방하기에 안전하기 전에 잡음이 있는 모든 것을 버린다. Axis의 가설은 이와 반대이다: 데이터 품질은 단일 궤적이 아닌 분포 수준에 존재한다. 충분히 크고 다양한 군중이 잡음이 많고 최적이지 않은 궤적을 생산하고 그들의 오류가 상관관계가 없다면, 잡음은 상쇄되고 훈련 중 작동하는 정책이 생존한다.

Axis Sim Dataset V1은 이 가설을 공개적으로 테스트한다. 그 궤적은 픽 앤 플레이스, 스택킹, 따르기, 관절 물체 조작 및 도구 사용을 아우르며, 모두 Axis의 브라우저 기반 원격 조작 플랫폼인 Axis Hub를 통해 단일 전문가 팀이 아닌 분산된 군중이 수집했다. 이 데이터셋은 UC 버클리, 존스 홉킨스, 미시간 대학교 및 기타 기관의 연구자들과 함께 구축되었다.

확장 가능한 결과

LIBERO-Plus에서 V1에 대한 지속적 사전 훈련은 π0.5의 성공률을 83.9%에서 88.8%로 상승시켰으며, 볼륨에 맞춘 RoboCasa365 베이스라인을 37.3% 능가했다. 성능은 사전 훈련 데이터가 데이터셋의 25%에서 100%로 확장됨에 따라 일관되게 개선되었으며, 포화 현상이 보이지 않아 이러한 이득이 일회성 상승이 아닌 다양성과 커버리지에서 비롯됨을 시사한다. 가장 큰 개선은 카메라, 센서 잡음 및 레이아웃 교란 하에서 발생했으며, 이는 Axis가 생성 과정에서 무작위화하는 정확한 축들이다.

팀은 V2가 이미 진행 중이며, 1,200개 작업 전반에 걸쳐 120만 개의 궤적으로 확장되고 있으며, 교차 구현체 일반화 및 여러 VLA 모델에 대한 결과는 최적이지 않은 시뮬레이션 데이터가 견고한 정책을 훈련시킨다는 것을 보여준다고 밝혔다.

데이터셋의 엔진

이 데이터셋은 더 크고 지속적으로 복리 효과를 내는 데이터 엔진의 하나의 산출물이다. 전통적인 데이터 벤더가 고정된 사양에 맞춰 수집하고 멈추는 반면, Axis는 모델 성능과 실패 사례를 사용하여 다음에 무엇을 수집해야 할지 결정하므로, 모든 훈련 라운드가 다음 라운드를 안내한다. 이 엔진은 네 가지 데이터 라인 전반에 걸친 하이브리드 전략으로 실행되며, 네 가지 모두 이제 규모로 실행된다.

• Simulation: Base의 상위 3위 dApp인 Axis Hub에서 200,000명 이상의 분산 기여자가 13개의 구현체 전반에 걸쳐 470만 개 이상의 궤적을 생산했다.
• Egocentric: 14개 산업 전반의 실제 가정과 사업장에서 1인칭 활동을 캡처하는 1,000명 이상의 풀타임, QC 훈련된 수집가로 구성된 관리된 네트워크: 이미 200,000시간 이상이 적립되었으며 매일 4,000시간 이상 증가하고 있으며, Vicon 검증된 손 포즈를 포함한다.
• Loco-manipulation: 실제 휴머노이드(Unitree G1, Booster T2)에서 이동성과 정교함을 결합한 500시간 이상의 데이터로, 하드웨어 비종속 원격 조작을 통해 수집되었다.
• Human-gated DAgger post-training: 배포 에지 케이스를 대상으로 한 500시간 이상의 인간 참여 교정 데이터.

모든 작업과 궤적은 출처를 위해 Base에서 온체인으로 기록되며, 기여자는 검증된 작업 품질에 대해 보상을 받는다.

오픈 데이터에서 상업적 배포로

시뮬레이션 데이터의 오픈소스화 외에도 Axis는 로봇 구현체 기업과 직접 협력하여 맞춤형, 구현체 특화 데이터 파이프라인과 모델 사전(priors)을 구축한다.

Booster Robotics의 첫 번째 시뮬레이션 데이터 파트너로서, Axis는 Booster의 실제 작업 공간을 작업 정렬된 디지털 트윈으로 재구축했으며, 분산된 기여자들이 42,000개 이상의 시뮬레이션 에피소드를 수집하고 이를 Booster 특화 모델 사전으로 압축했다. 단 30개의 실제 로봇 시연만으로, 이 사전은 초기 상태의 π0.5 대비 37.5%인 87.5% 성공률을 달성했으며, 실제 세계 시연의 절반만 사용하여 π0.5에 도달했다.

다른 파트너는 구현체 기업(Feagine Robotics), 모델 기업(Manycore Tech, Dexmal) 및 산업 자동화(Lotus Cars, Geely Auto)를 아우른다. Axis는 또한 온체인 로봇 네트워크인 Solana의 BitRobot과 Bittensor의 OpenRoboto를 공급한다.

물리적 AI의 데이터 재정의

“물리적 AI의 미래는 한 번 다운로드하는 정적 데이터셋이 아닙니다,”라고 Axis Robotics의 창립자 Chris Feng은 말했다. “그것은 모델이 다음으로 필요한 데이터를 계속 생산하는 엔진입니다. 규모는 광범위한 커버리지를 제공합니다. 다양성은 잡음을 편향되지 않게 유지합니다. 폐쇄된 루프는 모든 실패를 진전으로 만듭니다. 그것이 복리입니다.”

Axis는 UC 버클리, 카네기 멜런, 조지아 공대, 상하이 자오퉁 대학교의 연구자들과 함께 소비자 플랫폼을 3,000만 명 이상의 사용자로 확장한 시리얼 파운더들에 의해 설립되었다. 그 연구는 조지아 공대의 조교수인 Jiachen Li의 자문을 받고 있다.

논문 링크: https://arxiv.org/abs/2607.21588

프로젝트 페이지: https://axisaiorg.github.io/AXIS-V1/

데이터셋 링크: https://huggingface.co/datasets/axisrobotics/Franka-Dataset

Github 코드베이스: https://github.com/AxisAIOrg/Axis-V1-Training