Axis Robotics、Physical AI向けオープンソースFrankaアームデータセットを公開

Axis Roboticsは、Frankaアーム操作向けの最大級のオープンソースシミュレーションデータセットの1つであるAxis Sim Dataset V1を、全データセット、トレーニングコード、ベンチマークとともに公開しました。V1は、シミュレーション上のFranka Research 3アームを用いて、207の操作タスクと6万以上のシーンバリアントにわたる5万以上の人間遠隔操作シミュレーション軌道で構成されています。

このデータセットは16万以上のダウンロードを集め、Hugging Faceで最もダウンロードされたオープンソースFrankaシミュレーションデータセットとなりました。ベンチマークテストでは、V1での継続的事前学習がπ0.5を改善し、ボリュームを一致させたRoboCasaベースラインを上回り、すべての結果は公開され検証可能です。

Axis Roboticsは、Physical AI向けの複合的なデータエンジンを開発しています。これは、大規模シミュレーション、自己中心的な実世界キャプチャ、ヒューマノイドの移動操作、人間によるゲート付きDAgger後訓練をカバーする垂直統合システムです。同社は、Hack VCが主導し、Nomad Capital、Pi Network Ventures、10K Ventures、エンジェル投資家も参加した1200万ドルのシード資金を調達しました。

「クリーンデータのみ」への反論

ロボット工学における広く信じられている考えは、デモンストレーションはほぼ最適であるべきで、専門家の軌道に絞り込み、ノイズのあるデータは捨てるべきだというものです。Axisのテーゼはその逆を主張します。データ品質は軌道ごとではなく、分布レベルで定義される。大規模で多様な群衆が無相関のエラーを持つノイズの多い準最適な軌道を生成すると、ノイズは平均化され、訓練中に機能するポリシーが現れる。Axis Sim Dataset V1はそのテーゼの公的なテストです。軌道は、ピックアンドプレース、積み重ね、注ぐ、関節物体操作、ツール使用をカバーし、Axisのブラウザベース遠隔操作プラットフォームAxis Hubを介して分散群衆によって収集されました。データセットは、UC Berkeley、Johns Hopkins、University of Michiganなどの研究者と共同開発されました。

スケールする結果

LIBERO-Plusでは、V1を使用した継続的事前学習により、π0.5の成功率が83.9%から88.8%に向上し、ボリュームを一致させたRoboCasa365ベースラインを37.3%上回りました。事前学習データをデータセットの25%から100%にスケーリングするにつれてパフォーマンスは着実に向上し、飽和の兆候は見られず、多様性とカバレッジから利益が得られることを示しています。最大の改善は、カメラ、センサーノイズ、レイアウトの摂動下で発生しており、これらはまさにAxisが生成時にランダム化する軸です。チームは、V2がすでに進行中であり、1,200タスクにわたる120万軌道にスケーリングし、クロスエンボディメント汎化と複数のVLAモデルにわたる結果から、準最適なシミュレーションデータが堅牢なポリシーを訓練できることが示唆されていると報告しています。

データセットの背後にあるエンジン

このデータセットは、より大規模で継続的に複合するデータエンジンの1つの成果です。固定仕様で収集して停止する従来のデータベンダーとは異なり、Axisはモデルのパフォーマンスと失敗ケースを使用して次の収集を導き、各トレーニングラウンドが次に情報を提供します。エンジンは4つのデータラインにわたるハイブリッド戦略で動作しており、すべて現在大規模に展開されています。

• シミュレーション: Axis Hub上の20万人以上の分散型コントリビューター（Base上のトップ3 dApp）が、13のエンボディメントにわたって470万以上の軌道を生成。
• 自己中心視点: フルタイムでQC訓練を受けた1,000人以上の収集者からなる管理ネットワークが、14の業界にわたる実際の家庭や企業で一人称視点のアクティビティをキャプチャ。20万時間以上の蓄積があり、毎日4,000時間以上増加、Vicon手のポーズで検証。
• 移動操作: Unitree G1やBooster T2などの実在ヒューマノイド上で、ハードウェアに依存しない遠隔操作により移動と巧緻性を組み合わせた500時間以上。
• 人間ゲート付きDAgger後訓練: 展開エッジケースを対象とした人間参加型修正の500時間以上。

すべてのタスクと軌道は、出所を確認するためにBase上でオンチェーン記録され、コントリビューターは検証された作業品質に基づいて報酬を受け取ります。

オープンデータから商用展開へ

シミュレーションデータのオープンソース化に加えて、Axisはロボットエンボディメント企業と直接協力し、カスタマイズされたエンボディメント固有のデータパイプラインとモデル事前分布を開発しています。Booster Roboticsの最初のシミュレーションデータパートナーとして、AxisはBoosterの実際の作業スペースをタスク対応のデジタルツインとして再構築し、分散型コントリビューターに4万2,000以上のシミュレーションエピソードを収集させ、それらをBooster固有のモデル事前分布に蒸留しました。わずか30の実ロボットデモンストレーションで、その事前分布は87.5%の成功率を達成し、既製のπ0.5の37.5%を上回り、実世界デモンストレーションの半分を使用したπ0.5に匹敵しました。他のパートナーには、エンボディメント企業（Feagine Robotics）、モデル企業（Manycore Tech、Dexmal）、産業オートメーション企業（Lotus Cars、Geely Auto）が含まれます。Axisはまた、Solana上のBitRobotやBittensor上のOpenRobotoなどのオンチェーンロボティクスネットワークにもデータを提供しています。

Physical AIのデータ基盤を再定義

「Physical AIの未来は、一度ダウンロードする静的なデータセットではありません」とAxis Roboticsの創業者Chris Feng氏は述べています。「それは、モデルが次に必要とするデータを生成し続けるエンジンです。スケールが広範なカバレッジをもたらします。多様性がノイズを偏りのないものに保ちます。クローズドループがすべての失敗を進歩に変えます。それが複合するものです。」

Axisは、UC Berkeley、CMU、Georgia Tech、SJTUの研究者と、消費者プラットフォームを3000万ユーザー以上に拡大したシリアル創業者によって設立されました。その研究は、Georgia Techの助教授であるJiachen Li氏がアドバイスしています。

論文は https://arxiv.org/abs/2607.21588 で入手できます。

プロジェクトページは https://axisaiorg.github.io/AXIS-V1/ です。

データセットは https://huggingface.co/datasets/axisrobotics/Franka-Dataset にあります。

GitHubコードベースは https://github.com/AxisAIOrg/Axis-V1-Training にあります。