Axis Robotics, 물리적 AI를 위한 최대 규모의 Franka 로봇 팔 시뮬레이션 데이터셋 중 하나를 오픈소스로 공개

Axis Robotics는 Franka 로봇 팔 조작을 위한 최대 규모의 오픈 소스 시뮬레이션 데이터 세트 중 하나인 Axis Sim Dataset V1을 공개했습니다 . 전체 데이터 세트, 학습 코드 및 벤치마크가 공개적으로 제공됩니다. V1은 시뮬레이션된 Franka Research 3 로봇 팔에서 207개의 조작 작업과 60,000개 이상의 장면 변형에 걸쳐 50,000개 이상의 인간 원격 조작 시뮬레이션 궤적을 기반으로 구축되었습니다.

이 데이터셋은 16만 건 이상의 다운로드를 기록하며 Hugging Face에서 가장 많이 다운로드된 오픈 소스 시뮬레이션 Franka 조작 데이터셋이 되었습니다. 벤치마크 테스트에서 V1에 대한 지속적인 사전 학습을 통해 π 값이 0.5만큼 향상되었고, 동일한 볼륨의 RoboCasa 기준선을 능가했으며, 모든 결과는 공개적으로 검증 가능합니다.

Axis Robotics는 대규모 시뮬레이션, 1인칭 시점의 실제 환경 데이터 캡처, 휴머노이드 로봇의 이동 및 조작, 그리고 인간 개입형 DAgger 사후 학습을 아우르는 수직 통합 시스템인 궁극의 물리적 AI용 데이터 합성 엔진을 구축하고 있습니다. 이 회사는 Hack VC가 주도하고 Nomad Capital, Pi Network Ventures, 10K Ventures 및 엔젤 투자자들이 참여한 시드 펀딩에서 1,200만 달러를 유치했습니다.

"깨끗한 데이터만"이라는 원칙에 대한 반대 의견

로봇 공학에서 흔히 가정하는 것은 시연 데이터가 처음부터 거의 최적이어야 한다는 것입니다. 즉, 전문가의 궤적만 추려내고, 설정을 표준화하고, 잡음이 있는 데이터를 모두 제거해야만 안전하게 모방할 수 있다는 것입니다. 하지만 Axis의 주장은 정반대입니다. 데이터 품질은 개별 궤적이 아니라 데이터 분포 수준에서 결정된다는 것입니다. 충분히 크고 다양한 집단이 잡음이 많고 최적이 아닌 궤적을 생성하고, 그 오류들이 서로 상관관계가 없다면, 잡음은 평균화되어 학습 과정에서 효과적인 정책이 살아남을 수 있습니다.

Axis Sim Dataset V1은 이러한 가설을 공개적으로 검증합니다. 이 데이터셋은 Axis의 브라우저 기반 원격 조작 플랫폼인 Axis Hub를 통해 수집된 물체 집기 및 놓기, 쌓기, 붓기, 관절형 물체 조작, 도구 사용 등의 동작 궤적을 포함하며, 단일 전문가 팀이 아닌 분산된 크라우드소싱 방식으로 구축되었습니다. 이 데이터셋은 UC 버클리, 존스 홉킨스, 미시간 대학교 및 기타 기관의 연구원들과 협력하여 만들어졌습니다.

확장 가능한 결과

LIBERO-Plus에서 V1에 대한 지속적인 사전 학습을 통해 π0.5의 성공률이 83.9%에서 88.8%로 향상되었으며, 동일한 볼륨의 RoboCasa365 기준 모델보다 37.3% 더 우수한 성능을 보였습니다. 사전 학습 데이터 규모가 전체 데이터셋의 25%에서 100%로 증가함에 따라 성능은 꾸준히 향상되었으며, 포화 현상이 나타나지 않아 성능 향상이 일회성 효과가 아닌 다양성과 데이터셋 포괄성에서 비롯됨을 보여줍니다. 가장 큰 성능 향상은 카메라, 센서 노이즈 및 레이아웃 변경 상황에서 나타났으며, 이는 Axis가 생성 과정에서 무작위로 변경하는 축과 정확히 일치합니다.

연구팀은 V2 개발이 이미 진행 중이며, 1,200개 작업에 걸쳐 120만 개의 궤적을 처리하도록 확장하고 있다고 밝혔습니다. 또한, 다양한 VLA 모델에 걸쳐 얻은 결과와 여러 신체 부위에 걸친 일반화 기능을 통해 최적화되지 않은 시뮬레이션 데이터로도 견고한 정책을 학습할 수 있음을 보여주고 있습니다.

데이터셋의 숨겨진 엔진

이 데이터셋은 대규모의 능동적으로 누적되는 데이터 엔진의 출력물 중 하나입니다. 기존 데이터 공급업체가 정해진 사양에 따라 데이터를 수집하고 중단하는 반면, Axis는 모델 성능과 오류 사례를 활용하여 다음에 수집해야 할 데이터를 결정하므로 모든 학습 라운드가 다음 라운드에 반영됩니다. 이 엔진은 네 가지 데이터 라인에 걸쳐 하이브리드 전략으로 실행되며, 현재 네 가지 데이터 라인 모두 대규모로 운영되고 있습니다

• 시뮬레이션: Base 플랫폼에서 상위 3위 안에 드는 dApp인 Axis Hub에 20만 명 이상의 분산된 참여자가 참여하여 13가지 구현 방식에 걸쳐 470만 개 이상의 궤적을 생성했습니다.
• Egocentric: 14개 산업 분야의 실제 가정과 기업에서 직접 목격한 활동을 수집하는 1,000명 이상의 정규직 QC 교육 이수자로 구성된 관리형 네트워크입니다. 이미 20만 시간 이상의 데이터가 축적되었으며 매일 4,000시간 이상씩 증가하고 있고, Vicon에서 인증한 손 자세 데이터가 포함되어 있습니다.
• 이동 조작: 하드웨어에 구애받지 않는 원격 조작을 통해 실제 휴머노이드 로봇(Unitree G1, Booster T2)에서 이동성과 정교함을 결합한 500시간 이상의 경험.
• 인간 개입형 DAgger 사후 학습: 배포 환경의 특수한 경우를 겨냥하여 500시간 이상의 인간 개입형 수정 작업을 거쳤습니다.

모든 작업과 진행 과정은 출처 확인을 위해 Base 온체인에 기록되며, 기여자는 검증된 작업 품질에 따라 보상을 받습니다.

오픈 데이터부터 상용 배포까지

Axis는 시뮬레이션 데이터를 오픈 소스로 제공하는 것 외에도 로봇 구현 회사 맞춤형 구현 데이터 파이프라인과 모델 사전 정보를 구축합니다.

Booster Robotics의 첫 번째 시뮬레이션 데이터 파트너인 Axis는 Booster의 실제 작업 공간을 작업에 맞춰 설계된 디지털 트윈으로 재구축하고, 여러 기여자를 통해 42,000개 이상의 시뮬레이션 에피소드를 수집하여 Booster에 특화된 모델 사전 정보를 도출했습니다. 단 30개의 실제 로봇 데모만으로 이 사전 정보를 적용하여 87.5%의 성공률을 달성했는데, 이는 기본 제공되는 π0.5 모델의 성공률 37.5%보다 훨씬 높은 수치이며, 실제 데모 횟수를 절반으로 줄인 결과입니다.

다른 파트너사로는 피진 로보틱스(Feagine Robotics) 와 같은 실체화 기업 , 매니코어 테크(Manycore Tech), 덱스멀(Dexmal)과 같은 모델 기업 , 로터스 자동차(Lotus Cars), 지리 자동차(Geely Auto)와 같은 산업 자동화 기업이 있습니다. 액시스는 또한 온체인 로봇 네트워크 인 기반의 비트로봇(BitRobot) Solana 과 비텐서(Bittensor) 기반의 오픈로봇(OpenRoboto)을 제공합니다

물리적 AI의 데이터defi재정의

액시스 로보틱스의 창립자 크리스 펑은 “미래의 물리 AI는 한 번 다운로드하는 정적인 데이터셋이 아닙니다.”라고 말했습니다. “모델이 다음에 필요로 하는 데이터를 지속적으로 생성하는 엔진과 같습니다. 규모는 광범위한 범위를 커버하고, 다양성은 노이즈를 제거하여 편향을 방지합니다. 폐쇄 루프는 모든 실패를 발전으로 전환합니다. 이것이 바로 누적 효과의 핵심입니다.”

Axis는 UC 버클리, 카네기 멜론 대학교, 조지아 공과대학교, 상하이 자오퉁대학교의 연구진과 3천만 명 이상의 사용자를 보유한 소비자 플랫폼을 성공적으로 확장해 온 연쇄 창업가들이 설립했습니다. 조지아 공과대학교의 리자첸 조교수가 Axis의 연구를 지도하고 있습니다.

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