Axis Robotics 開源最大規模 Franka 手臂模擬資料集之一，助力實體 AI

詳細資訊

嚴格的編輯政策，著重於準確性、相關性與公正性

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

Axis Robotics 發布了 Axis Sim Dataset V1，這是針對 Franka 手臂操作的最大型開源模擬資料集之一，完整資料集、訓練程式碼與基準測試皆已公開。V1 建立在超過 50,000 條由人類遠端操作的模擬軌跡之上，涵蓋 207 項操作任務與 60,000 多種場景變體，運行於模擬的 Franka Research 3 手臂上。

此資料集累積超過 160,000 次下載，成為 Hugging Face 上下載次數最多的開源模擬 Franka 操作資料集。在基準測試中，以 V1 進行持續預訓練提升了 π0.5 的表現，並擊敗了數量匹配的 RoboCasa 基準，所有結果皆公開且可驗證。

Axis Robotics 正在為 Physical AI 打造終極的複合式資料引擎，這是一個垂直整合的系統，涵蓋大規模模擬、以自我為中心的真實世界擷取、人形機器人移動操作，以及人類把關的 DAgger 後訓練。該公司已獲得由 Hack VC 領投的 1,200 萬美元種子輪融資，參與者包括 Nomad Capital、Pi Network Ventures、10K Ventures 及多位天使投資人。

機器人領域中一個常見的假設是：示範軌跡必須一開始就接近最優——篩選出專家軌跡、標準化設定，並在任何有雜訊的資料被安全地模仿之前將其丟棄。Axis 的論點則恰恰相反：資料品質存在於分布層級，而非單一軌跡層級。當一個夠大且夠多元的人群產生帶有雜訊的次優軌跡，且其錯誤彼此不相關時，雜訊會在訓練過程中被平均掉，最終留下一個可行的策略。

Axis Sim Dataset V1 將此論點付諸公開檢驗。其軌跡涵蓋拾取與放置、堆疊、傾倒、關節式物體操作與工具使用，全部透過 Axis 的瀏覽器式遠端操作平台 Axis Hub，由分散的群眾而非單一專家團隊收集。此資料集是與加州大學柏克萊分校、約翰霍普金斯大學、密西根大學及其他機構的研究人員共同建構的。

在 LIBERO-Plus 上，以 V1 進行持續預訓練將 π0.5 的成功率從 83.9% 提升至 88.8%，並以 37.3% 的幅度超越數量匹配的 RoboCasa365 基準。隨著預訓練資料從資料集的 25% 擴展至 100%，效能持續穩定提升，未見飽和跡象，這證明增益來自多樣性與覆蓋範圍，而非一次性的躍升。最大的改進出現在相機、感測器雜訊與佈局擾動之下，而這些正是 Axis 在生成過程中所隨機化的軸向。

團隊表示 V2 已在進行中，將擴展至 1,200 項任務、120 萬條軌跡，並具備跨具身泛化能力，且跨多個 VLA 模型的結果顯示，次優的模擬資料能訓練出強健的策略。

此資料集是一個更大、持續複合增長的資料引擎的產出之一。傳統資料供應商按固定規格收集資料後便停止，Axis 則利用模型效能與失敗案例來決定下一步該收集什麼，因此每一輪訓練都會為下一輪提供資訊。該引擎以混合策略運行於四條資料線，且四條線目前皆已達規模化運作：

模擬：Axis Hub 上超過 200,000 名分散式貢獻者（Base 上排名前三的 dApp），已產出超過 470 萬條軌跡，涵蓋 13 種具身形態。

以自我為中心：一個由 1,000 多名全職、經 QC 訓練的收集者組成的管理網路，在 14 個產業的真實家庭與企業中捕捉第一人稱活動：已累積超過 200,000 小時，且每日以超過 4,000 小時的速度增長，手部姿態經 Vicon 驗證。

移動操作：透過硬體無關的遠端操作，在真實人形機器人（Unitree G1、Booster T2）上累積超過 500 小時結合移動性與靈巧性的資料。

人類把關的 DAgger 後訓練：超過 500 小時的人類在環修正，針對部署中的邊緣案例。

每項任務與軌跡皆記錄於 Base 鏈上以確保來源可追溯，貢獻者則依驗證後的工作品質獲得獎勵。

除了開源模擬資料之外，Axis 也直接與機器人具身公司合作，建構客製化、針對特定具身形態的資料管線與模型先驗。

作為 Booster Robotics 首個模擬資料合作夥伴，Axis 將 Booster 的真實工作空間重建為任務對齊的數位孿生，讓分散的貢獻者在其中收集了 42,000 多個模擬片段，並將其蒸餾成 Booster 專屬的模型先驗。僅使用 30 個真實機器人示範，該先驗就達到 87.5% 的成功率，而開箱即用的 π0.5 為 37.5%，相當於 π0.5 使用一半真實世界示範的表現。

其他合作夥伴涵蓋具身智慧公司（Feagine Robotics）、模型公司（Manycore Tech、Dexmal）及工業自動化（Lotus Cars、Geely Auto）。Axis 也提供鏈上機器人網路：Solana 上的 BitRobot 和 Bittensor 上的 OpenRoboto。

「實體 AI 的未來不是一個你下載一次就完事的靜態資料集，」Axis Robotics 創辦人 Chris Feng 表示。「它是一個引擎，能持續產出模型下一步所需的資料。規模帶給你廣泛覆蓋，多樣性讓雜訊保持無偏，閉環將每一次失敗轉化為進步。這就是複利效應。」

Axis 由來自 UC Berkeley、CMU、Georgia Tech 和 SJTU 的研究人員，以及曾將消費平台擴展至超過 3,000 萬用戶的連續創業家共同創立。其研究由 Georgia Tech 助理教授 Jiachen Li 擔任顧問。

專案頁面：https://axisaiorg.github.io/AXIS-V1/

資料集連結：https://huggingface.co/datasets/axisrobotics/Franka-Dataset

Github 程式碼庫：https://github.com/AxisAIOrg/Axis-V1-Training

BlockmanPR 是一家加密貨幣公關與媒體代理商，自 2020 年起將 Web3 品牌推向全球受眾。從在 300 多家加密貨幣與主流媒體發布新聞稿，到 Tier-1 媒體曝光、交易所公關、KOL 活動和付費媒體，該代理商從單一窗口營運所有管道。BlockmanPR 已為代幣專案、交易所和 Web3 新創公司提供超過 100,000 條媒體連結。

更多資訊請查看：https://blockman.pro

免責聲明：NewsBTC 上提供的資訊僅供教育用途。它不代表 NewsBTC 對是否購買、出售或持有任何投資的意見，且投資自然伴隨風險。建議您在做出任何投資決策前自行進行研究。使用本網站提供的資訊完全由您自行承擔風險。

閱讀 Circle 儲備證明顯示 USDC 支持量高於流通供應量的最新更新。

閱讀 Marathon 在 8 月挖出 670 枚比特幣、儲備達到 25,000 BTC 的最新更新。

閱讀 CFTC 諮詢意見為清算所代幣化抵押品設定預期的最新更新。

嚴格的編輯政策，專注於準確性、相關性和公正性

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

BlockDAG 的 0.002 美元入場價引發疑問… 3 週前

ChangeNOW 將 Martin Masser 引入其加密貨幣超級應用程式 4 週前

全球創投公司出手：Zerra Ventures &amp... 1 個月前

CreditBlockchain 雲端挖礦幫助用戶每月賺取高達 0.078... 7 個月前

NewsBTC 是一家加密貨幣新聞服務，涵蓋今日比特幣新聞、比特幣價格及其他山寨幣的技術分析與預測。在 NewsBTC，我們致力於向所有人介紹比特幣和其他加密貨幣。

我們報導與比特幣交易所、比特幣挖礦及各種加密貨幣價格預測相關的 BTC 新聞。

相關幣種

SOL

來源

NewsBTC RSS