Axis Robotics发布了Axis Sim Dataset V1，这是Franka机械臂操作最大的开源模拟数据集之一，完整的数据集、训练代码和基准测试均已公开可用。V1建立在模拟Franka Research 3机械臂上的207个操作任务和60,000多个场景变体中超过50,000条人类遥操作模拟轨迹之上。
该数据集吸引了超过160,000次下载，使其成为Hugging Face上下载量最大的开源模拟Franka操作数据集。在基准测试中，在V1上持续预训练提升了π0.5，并击败了体积匹配的RoboCasa基线，每个结果都是开放且可验证的。
Axis Robotics正在为物理AI构建终极复合数据引擎，这是一个垂直整合的系统，涵盖大规模模拟、第一人称现实世界捕捉、人形移动操作和人类门控DAgger后训练。该公司筹集了1,200万美元的种子资金，由Hack VC领投，Nomad Capital、Pi Network Ventures、10K Ventures和天使投资人参与。
对“仅使用干净数据”的押注
机器人技术中的一个常见假设是，演示必须从一开始就接近最优——过滤到专家轨迹，标准化设置，并在安全模仿之前丢弃任何嘈杂的内容。Axis的论点恰恰相反：数据质量存在于分布层面，而不是单条轨迹。当足够大和多样化的群体产生嘈杂、次优的轨迹，且它们的误差未相关时，噪声会相互抵消，有效策略在训练期间得以生存。
Axis Sim Dataset V1将这一论点置于公开测试中。其轨迹涵盖抓取放置、堆叠、倾倒、铰接物体操作和工具使用，所有这些都通过Axis的基于浏览器的遥操作平台Axis Hub，由分布式群体而非单个专家团队收集。该数据集是与加州大学伯克利分校、约翰斯·霍普金斯大学、密歇根大学和其他机构的研究人员一起构建的。
可扩展的结果
在LIBERO-Plus上，在V1上持续预训练将π0.5的成功率从83.9%提升至88.8%，并以37.3%的优势超越体积匹配的RoboCasa365基线。随着预训练数据从数据集的25%扩展到100%，性能持续提高，未见饱和迹象，这表明收益来自多样性和覆盖率，而非一次性提升。最大的改进出现在相机、传感器噪声和布局扰动下，这正是Axis在生成过程中随机化的轴。
团队表示V2已经在进行中，扩展到120万条轨迹，涵盖1,200个任务，跨形态泛化和多个VLA模型的结果表明，次优模拟数据可以训练出鲁棒的策略。
数据集背后的引擎
该数据集是更大、积极复合数据引擎的一个产出。传统数据供应商收集到固定规格后便停止，而Axis使用模型性能和失败案例来确定下一步应该收集什么，因此每个训练轮次都会影响下一轮。该引擎在四条数据线上运行混合策略，目前四条线均大规模运行：
- 模拟：Axis Hub（Base上排名前3的dApp）上有超过200,000名分布式贡献者，产生了13种形态的470万+条轨迹。
- 第一人称：一个由1,000多名全职、经过质量控制培训的采集者组成的管理网络，在14个行业的真实家庭和企业中捕捉第一人称活动：已积累200,000+小时，每天以4,000+小时的速度增长，并拥有Vicon验证的手部姿态。
- 移动操作：500+小时结合真实人形机器人（Unitree G1, Booster T2）上的移动性和灵巧性，通过硬件无关的遥操作实现。
- 人类门控DAgger后训练：500+小时的人类在环校正，针对部署边缘情况。
每个任务和轨迹都在Base上链记录以确保证明，贡献者因验证的工作质量而获得奖励。
从开放数据到商业部署
除了开源模拟数据外，Axis还直接与机器人形态公司合作，构建定制的、形态特定的数据管道和模型先验。
作为Booster Robotics的第一个模拟数据合作伙伴，Axis将Booster的真实工作空间重建为任务对齐的数字孪生，让分布式贡献者在其上收集了42,000多个模拟剧集，并将其提炼为Booster特定的模型先验。仅使用30个真实机器人演示，该先验达到了87.5%的成功率，而开箱即用的π0.5仅为37.5%，使用一半的真实世界演示即可匹配π0.5。
其他合作伙伴包括形态公司（Feagine Robotics）、模型公司（Manycore Tech, Dexmal）和工业自动化（Lotus Cars, Geely Auto）。Axis还为链上机器人网络提供供应：Solana上的BitRobot和Bittensor上的OpenRoboto。
重新定义物理AI的数据基础
“物理AI的未来不是你可以一次性下载的静态数据集，”Axis Robotics创始人Chris Feng说。“它是一个不断产生模型所需下一个数据的引擎。规模让你获得广泛的覆盖。多样性保持噪声无偏。闭环将每次失败转化为进步。这就是复利的来源。”
Axis由来自加州大学伯克利分校、卡内基梅隆大学、佐治亚理工学院和上海交通大学的研究人员以及将消费者平台扩展到超过3,000万用户的连续创始人共同创立。其研究由佐治亚理工学院助理教授Jiachen Li顾问。
论文链接：https://arxiv.org/abs/2607.21588
项目页面：https://axisaiorg.github.io/AXIS-V1/
数据集链接：https://huggingface.co/datasets/axisrobotics/Franka-Dataset
免责声明。 这是一则企业新闻稿。读者在采取任何与推广公司及其关联公司或服务相关的行动前，应自行进行尽职调查。 Cryptopolitan.com 对于因使用或依赖新闻稿中提及的任何内容、商品或服务而直接或间接造成或声称造成的任何损害或损失，[本公司] 不承担责任。
BlockmanPR
BlockmanPR 是一家加密货币公关与媒体机构，自 2020 年起致力于将 Web3 品牌推向全球受众。从向 300 多家加密及主流媒体发布新闻稿，到一级媒体投放、交易所公关、KOL 营销活动及付费媒体推广，该机构通过单一团队运营所有渠道。BlockmanPR 已为代币项目、交易所和 Web3 初创企业交付超过 100,000 个媒体链接。您的所有 Web3 营销需求，一个合作伙伴即可满足。
