Axis Robotics publie en open source l'un des plus grands ensembles de données de simulation de bras Franka pour l'IA physique

Détails

Politique éditoriale stricte axée sur l'exactitude, la pertinence et l'impartialité

Morbi pretium leo et nisl aliquam mollis. Quisque arcu lorem, ultricies quis pellentesque nec, ullamcorper eu odio.

Axis Robotics a publié Axis Sim Dataset V1, l'un des plus grands jeux de données de simulation open source pour la manipulation avec bras Franka, avec le jeu de données complet, le code d'entraînement et les benchmarks accessibles publiquement. V1 est construit à partir de plus de 50 000 trajectoires de simulation téléopérées par des humains, couvrant 207 tâches de manipulation et plus de 60 000 variantes de scènes sur un bras Franka Research 3 simulé.

Ce jeu de données a enregistré plus de 160 000 téléchargements, ce qui en fait le jeu de données de simulation open source de manipulation Franka le plus téléchargé sur Hugging Face. Dans les benchmarks, le pré-entraînement continu sur V1 a amélioré π0.5 et surpassé une référence RoboCasa à volume équivalent, chaque résultat étant ouvert et vérifiable.

Axis Robotics construit le moteur de données cumulatif ultime pour l'IA physique, un système verticalement intégré couvrant la simulation à grande échelle, la capture égocentrique dans le monde réel, la loco-manipulation humanoïde et le post-entraînement DAgger validé par l'humain. La société a levé 12 millions de dollars en financement d'amorçage mené par Hack VC, avec la participation de Nomad Capital, Pi Network Ventures, 10K Ventures et d'investisseurs providentiels.

Une hypothèse courante en robotique est que les démonstrations doivent être quasi optimales dès le départ — filtrer pour ne garder que les trajectoires expertes, standardiser la configuration et écarter tout ce qui est bruité avant qu'il ne soit sûr de l'imiter. La thèse d'Axis va dans l'autre sens : la qualité des données se situe au niveau de la distribution, pas de la trajectoire individuelle. Lorsqu'une foule suffisamment large et diversifiée produit des trajectoires bruitées et sous-optimales et que leurs erreurs ne sont pas corrélées, le bruit se moyenne et une politique fonctionnelle survit pendant l'entraînement.

Axis Sim Dataset V1 met cette thèse à l'épreuve publiquement. Ses trajectoires couvrent le pick-and-place, l'empilement, le versement, la manipulation d'objets articulés et l'utilisation d'outils, toutes collectées via la plateforme de téléopération basée navigateur d'Axis, Axis Hub, par une foule distribuée plutôt que par une seule équipe d'experts. Le jeu de données a été construit avec des chercheurs de UC Berkeley, Johns Hopkins, l'Université du Michigan et d'autres institutions.

Sur LIBERO-Plus, le pré-entraînement continu sur V1 fait passer π0.5 de 83,9 % à 88,8 % de taux de réussite et surpasse une référence RoboCasa365 à volume équivalent de 37,3 %. Les performances s'améliorent de manière constante à mesure que les données de pré-entraînement passent de 25 % à 100 % du jeu de données, sans saturation en vue, preuve que les gains proviennent de la diversité et de la couverture plutôt que d'un simple sursaut ponctuel. Les plus grandes améliorations apparaissent sous des perturbations de caméra, de bruit de capteur et de disposition, précisément les axes qu'Axis randomise pendant la génération.

L'équipe indique que V2 est déjà en cours, avec une montée en échelle vers 1,2 million de trajectoires sur 1 200 tâches, une généralisation inter-embodiments et des résultats sur plusieurs modèles VLA montrant que des données de simulation sous-optimales entraînent des politiques robustes.

Le jeu de données est l'un des résultats d'un moteur de données plus vaste et activement cumulatif. Là où un fournisseur de données traditionnel collecte selon un cahier des charges fixe puis s'arrête, Axis utilise les performances du modèle et les cas d'échec pour déterminer ce qui doit être collecté ensuite, de sorte que chaque cycle d'entraînement informe le suivant. Ce moteur repose sur une stratégie hybride sur quatre lignes de données, toutes désormais opérationnelles à grande échelle :

Simulation : plus de 200 000 contributeurs distribués sur Axis Hub, une dApp du top 3 sur Base, produisant plus de 4,7 millions de trajectoires sur 13 embodiments.

Égocentrique : un réseau géré de plus de 1 000 collecteurs à temps plein, formés au contrôle qualité, capturant l'activité à la première personne dans des foyers et des entreprises réels dans 14 secteurs : plus de 200 000 heures déjà accumulées et en croissance de plus de 4 000 heures par jour, avec pose de la main vérifiée par Vicon.

Loco-manipulation : plus de 500 heures combinant mobilité et dextérité sur de vrais humanoïdes (Unitree G1, Booster T2) via une téléopération indépendante du matériel.

Post-entraînement DAgger validé par l'humain : plus de 500 heures de correction humaine dans la boucle ciblée sur les cas limites de déploiement.

Chaque tâche et trajectoire est enregistrée on-chain sur Base pour la provenance, et les contributeurs sont récompensés pour la qualité du travail vérifié.

Au-delà de l'open source des données de simulation, Axis travaille directement avec des entreprises de robots à embodiment pour construire des pipelines de données personnalisés et spécifiques à l'embodiment ainsi que des priors de modèles.

En tant que premier partenaire de données de simulation de Booster Robotics, Axis a reconstruit l’espace de travail réel de Booster sous forme de jumeau numérique aligné sur les tâches, a fait collecter par des contributeurs distribués plus de 42 000 épisodes de simulation sur celui-ci, puis les a distillés en un préalable de modèle spécifique à Booster. Avec seulement 30 démonstrations sur robot réel, ce préalable a atteint un taux de réussite de 87,5 %, contre 37,5 % pour un π0.5 prêt à l’emploi, égalant ainsi π0.5 avec la moitié des démonstrations en conditions réelles.

Les autres partenaires couvrent des entreprises d’incarnation (Feagine Robotics), des entreprises de modèles (Manycore Tech, Dexmal) et l’automatisation industrielle (Lotus Cars, Geely Auto). Axis fournit également des réseaux robotiques on-chain : BitRobot sur Solana et OpenRoboto sur Bittensor.

« L’avenir de l’IA physique n’est pas un jeu de données statique que l’on télécharge une seule fois », a déclaré Chris Feng, fondateur d’Axis Robotics. « C’est un moteur qui continue de produire les données dont le modèle a besoin ensuite. L’échelle vous donne une couverture large. La diversité maintient le bruit sans biais. La boucle fermée transforme chaque échec en progrès. C’est ce qui crée un effet cumulatif. »

Axis a été fondée par des chercheurs de UC Berkeley, CMU, Georgia Tech et SJTU, aux côtés de fondateurs en série qui ont fait évoluer des plateformes grand public jusqu’à plus de 30 millions d’utilisateurs. Sa recherche est conseillée par Jiachen Li, professeur assistant à Georgia Tech.

Page du projet : https://axisaiorg.github.io/AXIS-V1/

Lien du jeu de données : https://huggingface.co/datasets/axisrobotics/Franka-Dataset

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

BlockmanPR est une agence de relations publiques et de médias crypto qui place les marques Web3 devant des audiences mondiales depuis 2020. De la distribution de communiqués de presse sur plus de 300 médias crypto et grand public aux placements de niveau 1, aux relations publiques pour les exchanges, aux campagnes KOL et aux médias payants, l’agence gère chaque canal depuis un seul bureau. BlockmanPR a livré plus de 100 000 liens médias pour des projets de tokens, des exchanges et des startups Web3.

Pour plus d’informations, veuillez consulter : https://blockman.pro

Avertissement : Les informations trouvées sur NewsBTC sont uniquement à des fins éducatives. Elles ne représentent pas les opinions de NewsBTC quant à l’achat, la vente ou la conservation de tout investissement, et investir comporte naturellement des risques. Il vous est conseillé de mener vos propres recherches avant de prendre toute décision d’investissement. Utilisez les informations fournies sur ce site entièrement à vos propres risques.

Lisez la dernière mise à jour sur l’attestation de réserve de Circle montrant un adossement de l’USDC supérieur à l’offre en circulation.

Lisez la dernière mise à jour sur Marathon qui a miné 670 Bitcoin en août alors que sa trésorerie atteint 25 000 BTC.

Lisez la dernière mise à jour sur l’avis de la CFTC qui fixe des attentes pour les garanties tokenisées dans les chambres de compensation.

Politique éditoriale stricte axée sur l’exactitude, la pertinence et l’impartialité

Morbi pretium leo et nisl aliquam mollis. Quisque arcu lorem, ultricies quis pellentesque nec, ullamcorper eu odio.

L’entrée à 0,002 $ de BlockDAG soulève des questions sur un... il y a 3 semaines

ChangeNOW intègre Martin Masser dans sa super app crypto il y a 4 semaines

Les sociétés de capital-risque mondiales passent à l’action : Zerra Ventures &... il y a 1 mois

Le cloud mining CreditBlockchain aide les utilisateurs à gagner jusqu’à 0,078... il y a 7 mois

NewsBTC est un service d’actualités sur les cryptomonnaies qui couvre l’actualité du bitcoin aujourd’hui, les analyses techniques et les prévisions du prix du bitcoin et d’autres altcoins. Chez NewsBTC, nous nous engageons à informer tout le monde sur le bitcoin et les autres cryptomonnaies.

Nous couvrons les actualités BTC liées aux exchanges de bitcoin, au minage de bitcoin et aux prévisions de prix pour diverses cryptomonnaies.

Pièces associées

SOL

Source

Flux RSS de NewsBTC