Axis Robotics 开源最大的 Franka 机械臂仿真数据集之一，助力物理 AI

详情

严格的编辑政策，注重准确性、相关性和公正性

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

Axis Robotics 发布了 Axis Sim Dataset V1，这是面向 Franka 机械臂操作的最大开源仿真数据集之一，完整数据集、训练代码和基准测试均已公开。V1 基于 5 万余条人类遥操作仿真轨迹构建，涵盖 207 项操作任务和 6 万余种场景变体，运行于仿真 Franka Research 3 机械臂上。

该数据集下载量超过 16 万次，成为 Hugging Face 上下载量最高的开源仿真 Franka 操作数据集。在基准测试中，基于 V1 的持续预训练提升了 π0.5 的表现，并超越了同等数据量的 RoboCasa 基线，所有结果均开放且可验证。

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，涵盖大规模仿真、第一人称真实世界采集、人形机器人移动操作，以及人工把关的 DAgger 后训练。公司完成了 1200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、Pi Network Ventures、10K Ventures 及多位天使投资人参与。

机器人领域的一个常见假设是，演示数据必须从一开始就接近最优——筛选出专家轨迹，标准化设置，并在安全模仿之前丢弃所有噪声数据。Axis 的论点则相反：数据质量存在于分布层面，而非单条轨迹层面。当足够庞大且多样化的人群产生带噪声的次优轨迹，且其错误互不相关时，噪声会在训练过程中被平均掉，最终留下一个可用的策略。

Axis Sim Dataset V1 将这一论点付诸公开检验。其轨迹涵盖抓取放置、堆叠、倾倒、关节物体操作和工具使用，全部通过 Axis 基于浏览器的遥操作平台 Axis Hub 采集，采集者来自分布式众包群体，而非单一专家团队。该数据集由加州大学伯克利分校、约翰斯·霍普金斯大学、密歇根大学等机构的研究人员共同构建。

在 LIBERO-Plus 上，基于 V1 的持续预训练将 π0.5 的成功率从 83.9% 提升至 88.8%，并比同等数据量的 RoboCasa365 基线高出 37.3%。随着预训练数据从数据集的 25% 扩展到 100%，性能持续提升，未见饱和迹象，这证明收益来自多样性和覆盖范围，而非一次性提升。最大的改进出现在相机扰动、传感器噪声和布局扰动条件下，而这些正是 Axis 在数据生成过程中随机化的维度。

团队表示 V2 已在推进中，将扩展至 120 万条轨迹、1200 项任务，并具备跨具身泛化能力，在多个 VLA 模型上的结果表明，次优仿真数据能够训练出稳健的策略。

该数据集是一个更大规模、持续复合的数据引擎的产出之一。传统数据供应商按固定规格采集后即停止，而 Axis 则利用模型性能和失败案例来决定下一步采集什么，使每一轮训练都为下一轮提供信息。该引擎采用混合策略，覆盖四条数据线，目前四条线均已规模化运行：

仿真：Axis Hub 上超过 20 万名分布式贡献者（Base 上排名前三的 dApp），已产出 470 万余条轨迹，覆盖 13 种具身形态。

第一人称：一个由 1000 余名全职、经过质检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采集第一人称活动数据：已积累超过 20 万小时，且每天以 4000 余小时的速度增长，手部姿态经 Vicon 验证。

移动操作：通过硬件无关的遥操作，在真实人形机器人（Unitree G1、Booster T2）上采集 500 余小时结合移动性与灵巧操作的数据。

人工把关的 DAgger 后训练：500 余小时针对部署边缘案例的人工在环纠错数据。

每项任务和每条轨迹均在 Base 上链记录以确保来源可追溯，贡献者根据经验证的工作质量获得奖励。

除了开源仿真数据，Axis 还直接与机器人具身公司合作，构建定制化、针对特定具身形态的数据管道和模型先验。

作为Booster Robotics的首个仿真数据合作伙伴，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采集了42,000多个仿真片段，并将它们蒸馏成Booster专属的模型先验。仅用30个真实机器人演示，该先验就达到了87.5%的成功率，而开箱即用的π0.5仅为37.5%，相当于用一半的真实世界演示就追平了π0.5。

其他合作伙伴涵盖具身智能公司（Feagine Robotics）、模型公司（Manycore Tech、Dexmal）以及工业自动化领域（Lotus Cars、Geely Auto）。Axis还提供链上机器人网络：Solana上的BitRobot和Bittensor上的OpenRoboto。

“物理AI的未来不是一份你下载一次就完事的静态数据集，”Axis Robotics创始人Chris Feng表示，“而是一个持续产出模型下一步所需数据的引擎。规模带来广泛覆盖，多样性让噪声保持无偏，闭环把每一次失败都转化为进步。这才是复利所在。”

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，以及曾将消费平台扩展到3000多万用户的连续创业者共同创立。其研究顾问是佐治亚理工学院助理教授Jiachen Li。

项目页面：https://axisaiorg.github.io/AXIS-V1/

数据集链接：https://huggingface.co/datasets/axisrobotics/Franka-Dataset

Github代码库：https://github.com/AxisAIOrg/Axis-V1-Training

BlockmanPR是一家加密公关与媒体机构，自2020年以来一直将Web3品牌推向全球受众。从覆盖300多家加密和主流媒体的新闻稿分发，到Tier-1媒体投放、交易所公关、KOL活动和付费媒体，该机构从单一平台运营所有渠道。BlockmanPR已为代币项目、交易所和Web3初创公司交付了超过100,000条媒体链接。

更多信息请查看：https://blockman.pro

免责声明：NewsBTC上的信息仅供教育目的。它不代表NewsBTC对是否买入、卖出或持有任何投资的观点，投资自然存在风险。建议你在做出任何投资决策前自行研究。使用本网站提供的信息完全由你自行承担风险。

阅读Circle储备金证明显示USDC支持量高于流通量的最新更新。

阅读Marathon在8月挖出670枚比特币、储备达到25,000 BTC的最新更新。

阅读CFTC咨询意见为清算所代币化抵押品设定预期的最新更新。

严格的编辑政策，注重准确性、相关性和公正性

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

BlockDAG的$0.002入场价引发关于……的疑问 3周前

ChangeNOW将Martin Masser引入其加密超级应用 4周前

全球风投机构出手：Zerra Ventures &... 1个月前

CreditBlockchain云挖矿帮助用户每月赚取高达0.078... 7个月前

NewsBTC是一家加密货币新闻服务，报道今日比特币新闻、比特币价格及其他山寨币的技术分析和预测。在NewsBTC，我们致力于向所有人普及比特币和其他加密货币的知识。

我们报道与比特币交易所、比特币挖矿以及各种加密货币价格预测相关的BTC新闻。

相关币种

SOL

来源

NewsBTC RSS