Axis Robotics выпустила Axis Sim Dataset V1 — один из крупнейших открытых симуляционных датасетов для манипуляций роборукой Franka, с полностью открытым доступом к датасету, коду обучения и бенчмаркам. V1 построен на основе более 50 000 траекторий симуляции, полученных с помощью телеуправления человеком, охватывающих 207 задач манипуляции и более 60 000 вариантов сцен на симулированной руке Franka Research 3.

Этот датасет собрал более 160 000 загрузок, став самым скачиваемым открытым симуляционным датасетом манипуляций Franka на Hugging Face. В бенчмарках непрерывное предобучение на V1 подняло показатели π0.5 и превзошло базовый показатель RoboCasa, сопоставимый по объёму данных, при этом все результаты открыты и проверяемы.

Axis Robotics создаёт предельный самоусиливающийся движок данных для физического ИИ — вертикально интегрированную систему, охватывающую крупномасштабную симуляцию, эгоцентрическую съёмку в реальном мире, локомоцию и манипуляцию гуманоидов, а также постобучение DAgger с контролем человека. Компания привлекла $12 млн начального финансирования под руководством Hack VC при участии Nomad Capital, Pi Network Ventures, 10K Ventures и бизнес-ангелов.

Ставка против «только чистых данных»

Распространённое предположение в робототехнике заключается в том, что демонстрации изначально должны быть почти оптимальными — отфильтровывать до экспертных траекторий, стандартизировать настройку и отбрасывать всё зашумлённое, прежде чем имитировать это станет безопасно. Тезис Axis утверждает обратное: качество данных существует на уровне распределения, а не отдельной траектории. Когда достаточно большая и разнообразная группа участников производит зашумлённые, неоптимальные траектории, а их ошибки некоррелированы, шум усредняется, и в процессе обучения выживает работоспособная политика.

Axis Sim Dataset V1 подвергает этот тезис публичной проверке. Его траектории охватывают захват и перемещение предметов, штабелирование, наливание жидкостей, манипуляции с шарнирными объектами и использование инструментов — всё это собрано через браузерную платформу телеуправления Axis Hub распределённой массой участников, а не одной командой экспертов. Датасет создавался совместно с исследователями из Калифорнийского университета в Беркли, Университета Джонса Хопкинса, Мичиганского университета и других учреждений.

Результаты, которые масштабируются

На LIBERO-Plus непрерывное предобучение на V1 повышает успешность π0.5 с 83,9% до 88,8% и превосходит сопоставимый по объёму базовый показатель RoboCasa365 на 37,3%. Производительность стабильно растёт по мере увеличения объёма данных предобучения с 25% до 100% датасета, без признаков насыщения — это свидетельствует о том, что прирост обеспечивается разнообразием и охватом, а не разовым скачком. Наибольшие улучшения проявляются при возмущениях камеры, шума датчиков и компоновки сцены — именно тех параметрах, которые Axis рандомизирует при генерации данных.

Команда сообщает, что уже ведётся работа над V2 с масштабированием до 1,2 млн траекторий по 1200 задачам, с обобщением между разными типами роботов и результатами по нескольким моделям VLA, показывающими, что неоптимальные симуляционные данные обучают устойчивым политикам.

Движок, стоящий за датасетом

Датасет — это лишь один из результатов работы более крупного, активно самоусиливающегося движка данных. Там, где традиционный поставщик данных собирает их по фиксированному техническому заданию и останавливается, Axis использует показатели работы моделей и случаи сбоев, чтобы определить, что нужно собирать дальше, поэтому каждый раунд обучения информирует следующий. Этот движок работает по гибридной стратегии по четырём направлениям сбора данных, и все четыре теперь функционируют в промышленном масштабе:

• Симуляция: более 200 000 распределённых участников на Axis Hub — децентрализованном приложении, входящем в тройку лидеров на Base, — производят более 4,7 млн траекторий для 13 типов роботов.
• Эгоцентрическая съёмка: управляемая сеть из более чем 1000 штатных, прошедших контроль качества сборщиков данных, фиксирующих действия от первого лица в реальных домах и на предприятиях в 14 отраслях: уже накоплено более 200 000 часов, и объём растёт более чем на 4000 часов ежедневно, с положением рук, верифицированным системой Vicon.
• Локомоция и манипуляция: более 500 часов, сочетающих подвижность и ловкость на реальных гуманоидных роботах (Unitree G1, Booster T2) через аппаратно-независимое телеуправление.
• Постобучение DAgger с контролем человека: более 500 часов коррекции с участием человека в цикле, нацеленной на пограничные случаи при развёртывании.

Каждая задача и траектория фиксируются в блокчейне Base для подтверждения происхождения данных, а участники получают вознаграждение за подтверждённое качество работы.

От открытых данных к коммерческому внедрению

Помимо открытия исходного кода симуляционных данных, Axis напрямую сотрудничает с компаниями-производителями роботов, создавая индивидуальные конвейеры данных и модельные приоры для конкретных типов роботов.

Как первый партнёр Booster Robotics по симуляционным данным, Axis воссоздала реальное рабочее пространство Booster в виде согласованного с задачами цифрового двойника, привлекла распределённых участников для сбора более 42 000 симуляционных эпизодов на нём и дистиллировала их в модельный приор, специфичный для Booster. Всего с 30 демонстрациями на реальном роботе этот приор достиг 87,5% успешности против 37,5% у готовой модели π0.5, сравнявшись с π0.5 при использовании вдвое меньшего числа демонстраций в реальном мире.

Среди других партнёров — компании-производители роботов (Feagine Robotics), компании-разработчики моделей (Manycore Tech, Dexmal) и предприятия промышленной автоматизации (Lotus Cars, Geely Auto). Axis также обслуживает сети робототехники на блокчейне: BitRobot на Solana и OpenRoboto на Bittensor.

Переопределяя основу данных физического ИИ

«Будущее физического ИИ — это не статичный датасет, который вы скачиваете один раз, — сказал Крис Фэн (Chris Feng), основатель Axis Robotics. — Это движок, который продолжает производить данные, необходимые модели дальше. Масштаб даёт широкий охват. Разнообразие сохраняет несмещённость шума. Замкнутый цикл превращает каждый сбой в прогресс. Именно это накапливается».

Axis была основана исследователями из Калифорнийского университета в Беркли, CMU, Технологического института Джорджии и SJTU вместе с серийными основателями, которые довели потребительские платформы до более чем 30 млн пользователей. Научным консультантом выступает Цзячэнь Ли (Jiachen Li), доцент Технологического института Джорджии.

Ссылка на статью:

Страница проекта:

Ссылка на датасет:

Кодовая база на Github:

Source: BeInCrypto