Axis Robotics ha lanzado Axis Sim Dataset V1, uno de los mayores conjuntos de datos de simulación de código abierto para la manipulación con brazos Franka, con el conjunto de datos completo, el código de entrenamiento y los benchmarks disponibles públicamente. V1 se creó a partir de más de 50.000 trayectorias de simulación teleoperadas por humanos, que abarcan 207 tareas de manipulación y más de 60.000 variantes de escena en un brazo simulado Franka Research 3.
Este conjunto de datos superó las 160.000 descargas, lo que lo convierte en el conjunto de datos de simulación de código abierto más descargado para la manipulación con Franka en Hugging Face. En los benchmarks, el preentrenamiento continuo con V1 mejoró π0.5 y superó una referencia de RoboCasa de volumen equivalente; todos los resultados son públicos y verificables.
Axis Robotics está creando el motor de datos definitivo de crecimiento acumulativo para la IA física: un sistema integrado verticalmente que abarca simulación a gran escala, captura egocéntrica en el mundo real, locomoción y manipulación humanoides, y posentrenamiento DAgger con intervención humana. La empresa recaudó 12 millones de dólares en una ronda semilla liderada por Hack VC, con la participación de Nomad Capital, Pi Network Ventures, 10K Ventures e inversores ángeles.
Una apuesta en contra de los «datos limpios únicamente»
Una suposición común en robótica es que las demostraciones deben ser casi óptimas desde el principio: filtrar hasta quedarse con trayectorias expertas, estandarizar la configuración y descartar cualquier dato ruidoso antes de que sea seguro imitarlo. La tesis de Axis va en la dirección opuesta: la calidad de los datos reside en la distribución, no en una trayectoria individual. Cuando un grupo lo bastante numeroso y diverso produce trayectorias ruidosas y subóptimas cuyos errores no están correlacionados, el ruido se promedia y una política funcional sobrevive durante el entrenamiento.
Axis Sim Dataset V1 somete esa tesis a una prueba pública. Sus trayectorias abarcan tareas de recoger y colocar, apilar, verter, manipular objetos articulados y usar herramientas. Todas se recopilaron mediante la plataforma de teleoperación basada en navegador de Axis, Axis Hub, con la participación de una comunidad distribuida, en lugar de un único equipo de expertos. El conjunto de datos se creó con investigadores de UC Berkeley, Johns Hopkins, la Universidad de Michigan y otras instituciones.
Resultados que escalan
En LIBERO-Plus, el preentrenamiento continuo con V1 eleva el éxito de π0.5 del 83,9 % al 88,8 % y supera en 37,3 % una referencia de RoboCasa365 equiparada en volumen. El rendimiento mejora de forma constante a medida que los datos de preentrenamiento aumentan del 25 % al 100 % del conjunto de datos, sin indicios de saturación. Esto demuestra que las mejoras se deben a la diversidad y la cobertura, y no a un aumento puntual. Las mayores mejoras se observan ante perturbaciones de cámara, ruido de sensores y distribución espacial, precisamente los ejes que Axis aleatoriza durante la generación.
El equipo afirma que la V2 ya está en marcha y se está ampliando hasta alcanzar 1,2 millones de trayectorias en 1.200 tareas, con generalización entre distintas formas de embodiment y resultados en varios modelos VLA que demuestran que los datos de simulación subóptimos permiten entrenar políticas robustas.
El motor detrás del conjunto de datos
El conjunto de datos es uno de los resultados de un motor de datos más amplio que crece y se perfecciona continuamente. Mientras que un proveedor de datos tradicional recopila información según unas especificaciones fijas y ahí se detiene, Axis utiliza el rendimiento de los modelos y los casos de fallo para determinar qué datos recopilar a continuación, de modo que cada ronda de entrenamiento orienta la siguiente. Este motor se basa en una estrategia híbrida con cuatro líneas de datos, y las cuatro ya operan a gran escala:
- Simulación: más de 200.000 colaboradores distribuidos en Axis Hub, una de las 3 principales dApps de Base, que producen más de 4,7 millones de trayectorias en 13 formas de embodiment.
- Egocéntrico: una red gestionada de más de 1.000 recopiladores a tiempo completo, formados en control de calidad, que capturan actividades en primera persona en hogares y negocios reales de 14 sectores: ya se han acumulado más de 200.000 horas, y se suman más de 4.000 horas cada día, con poses de las manos verificadas mediante Vicon.
- Locomoción y manipulación: más de 500 horas que combinan movilidad y destreza con humanoides reales (Unitree G1, Booster T2) mediante teleoperación independiente del hardware.
- Posentrenamiento DAgger con supervisión humana: más de 500 horas de correcciones con intervención humana, enfocadas en casos límite de despliegue.
Cada tarea y trayectoria se registra en la cadena de bloques de Base para garantizar su procedencia, y se recompensa a los colaboradores por la calidad verificada de su trabajo.
De los datos abiertos al despliegue comercial
Más allá de publicar datos de simulación como código abierto, Axis trabaja directamente con empresas de robótica con distintas formas de cuerpo para crear canales de datos personalizados y priors de modelo específicos para cada forma de cuerpo.
Como primer socio de Booster Robotics en datos de simulación, Axis recreó el espacio de trabajo real de Booster como un gemelo digital alineado con las tareas, hizo que colaboradores distribuidos recopilaran allí más de 42.000 episodios de simulación y los destiló en un prior de modelo específico para Booster. Con solo 30 demostraciones con robots reales, ese prior alcanzó una tasa de éxito del 87,5 %, frente al 37,5 % de π0.5 sin ajustes, igualando a π0.5 con la mitad de las demostraciones en el mundo real.
Otros socios incluyen empresas de robótica con distintas formas de cuerpo (Feagine Robotics), empresas de modelos (Manycore Tech, Dexmal) y automatización industrial (Lotus Cars, Geely Auto). Axis también suministra redes robóticas on-chain: BitRobot en Solana y OpenRoboto en Bittensor.
Redefiniendo los cimientos de datos de la IA física
«El futuro de la IA física no es un conjunto de datos estático que descargas una sola vez», afirmó Chris Feng, fundador de Axis Robotics. «Es un motor que sigue generando los datos que el modelo necesita a continuación. La escala te brinda una amplia cobertura. La diversidad mantiene el sesgo fuera de los datos. El ciclo cerrado convierte cada fallo en progreso. Eso es lo que se acumula con el tiempo».
Axis fue fundada por investigadores de UC Berkeley, CMU, Georgia Tech y SJTU, junto con emprendedores en serie que han ampliado plataformas de consumo hasta superar los 30 millones de usuarios. Jiachen Li, profesor adjunto en Georgia Tech, asesora su investigación.
Enlace al artículo científico:
Página del proyecto:
Enlace al conjunto de datos:
Código fuente en GitHub:
Fuente: BeInCrypto
