Axis Roboticsは、Frankaロボットアーム向けの最大級のシミュレーションデータセットを公開し、Physical AIの進歩を支援するためにオープンソース化しました。

Axis Roboticsは、Frankaアーム操作のため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であるAxis Sim Dataset V1をリリースしました。完全なデータセット、トレーニングコード、ベンチマークが現在公開されています。V1は、207の操作タスクと60,000以上のシーン変化にわたる50,000以上の人間による遠隔操作シミュレーショントラジェクトリから構築されており、すべてシミュレートされたFranka Research 3アーム上で行われています。このデータセットは160,000以上のダウンロードを集め、Hugging Face上で最もダウンロードされたオープンソースのFranka操作シミュレーションデータセットとなっています。ベンチマークでは、V1での継続的事前学習によりπ0.5のパフォーマンスが向上し、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のための複合データエンジンを構築しています。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、人型ロコ操作、および人間がゲートするDAggerポストトレーニングを組み合わせた完全統合システムです。同社は、Hack VCが主導し、Nomad Capital、Pi Network Ventures、10K Ventures、およびエンジェル投資家が参加するシード資金で120万ドルを調達しました。

「クリーンデータのみ」への反論

ロボティクスにおける一般的な前提は、デモンストレーションは最初からほぼ最適でなければならないというものです。つまり、エキスパートのトラジェクトリに絞り込み、セットアップを標準化し、模倣学習が機能する前にノイズの多いデータを除去する必要があるというものです。Axisは逆の見解を取ります。データ品質は個々のトラジェクトリではなく、分布レベルで決定されるというものです。大規模で多様な群衆がノイズの多い非最適なトラジェクトリを生成し、そのエラーが無相関である場合、ノイズは相殺され、トレーニング中に機能するポリシーが出現します。Axis Sim Dataset V1はこのアイデアを公開テストにかけています。そのトラジェクトリは、ピックアンドプレイス、スタッキング、注ぎ、関節物体操作、ツール使用をカバーしており、すべてAxisのブラウザベースの遠隔操作プラットフォームであるAxis Hubを通じて、単一のエキスパートチームではなく分散した群衆によって収集されました。このデータセットは、UCバークレー、ジョンズ・ホプキンス大学、ミシガン大学などの研究者と共同で開発されました。

スケールする結果

LIBERO-Plusでは、V1での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。パフォーマンスは、事前学習データがデータセットの25%から100%にスケールするにつれて着実に向上し、飽和の兆候は見られません。これは、利得が一度きりのブーストではなく、多様性とカバレッジから来ている証拠です。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見られ、これらはまさにAxisが生成中にランダム化するバリエーションです。チームは、V2がすでに進行中であり、1,200タスクにわたる120万トラジェクトリにスケールし、クロスエンボディメント一般化と複数のVLAモデルにわたる結果が、非最適なシミュレーションデータが堅牢なポリシーをトレーニングできることを示していると述べています。

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、より大きな継続的に複合するデータエンジンの1つの出力です。従来のデータベンダーは固定仕様に収集して停止しますが、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に何を収集するかを決定し、各トレーニングラウンドが次に情報を提供します。このエンジンは、4つのデータラインにわたるハイブリッド戦略で実行され、現在すべてがスケールで運用されています：

- シミュレーション：Base上のトップ3 dAppであるAxis Hubの200,000以上の分散コントリビューターが、13のエンボディメントにわたる470万以上のトラジェクトリを生成しました。
- 自己中心的：QCトレーニングを受けた1,000人以上のフルタイムコレクターの管理ネットワークが、14の業界にわたる実際の家庭やビジネスでの一人称アクティビティをキャプチャします。200,000時間以上がすでに蓄積され、毎日4,000時間以上増加しており、Vicon検証済みの手のポーズが含まれます。
- ロコ操作：ハードウェアに依存しない遠隔操作を通じて、実際の人型ロボット（Unitree G1、Booster T2）での機動性と器用さを組み合わせた500時間以上。
- 人間がゲートするDAggerポストトレーニング：展開エッジケースに焦点を当てた、人間がループ内で修正する500時間以上。

すべてのタスクとトラジェクトリは、出所のためにBase上でオンチェーンに記録され、コントリビューターは検証された作業品質に対し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、特定のニーズに合わせたカスタムデータセットを構築しています。Axisは、各ロボットエンボディメントに合わせたカスタムデータパイプラインとモデル事前分布を構築します。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の実際のワークスペースをタスク重視のデジタルツインとして再現しました。その後、分散コントリビューターがその上で42,000以上のシミュレーションエピソードを実行し、AxisはそれをBoosterのニーズに特化した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を使用して、その事前分布は87.5%の成功率を達成し、標準的なπ0.5モデルの37.5%と比較して、実世界のデモの半分でπ0.5のパフォーマンスに一致しました。

Axisの他のパートナーには、Feagine Roboticsなどのエンボディメント企業、Manycore TechやDexmalなどのモデル企業、Lotus CarsやGeely Autoなどの産業オートメーション企業が含まれます。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も支援しています。

Physical AIのデータ基盤の再定義

「Physical AIの未来は、一度ダウンロードして終わりの静的データセットではありません」とAxis Roboticsの創業者である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。スケールは広いカバレッジを与えます。多様性はノイズを偏りなく保ちます。クローズドループはすべての失敗を進歩に変えます。それが複合するのです。」

Axisは、UCバークレー、CMU、ジョージア工科大学、上海交通大学の研究者と、消費者プラットフォームを3,000万ユーザー以上にスケールさせた経験を持つ連続起業家によって設立されました。その研究は、ジョージア工科大学の助教授であるJiachen Li氏がアドバイスしています。

論文リンク：https://arxiv.org/abs/2607.21588
プロジェクトページ：https://axisaiorg.github.io/AXIS-V1/
データセットリンク：https://huggingface.co/datasets/axisrobotics/Franka-Dataset
GitHubコードベース：https://github.com/AxisAIOrg/Axis-V1-Training

よくある質問
以下は、Axis RoboticsのオープンソースFrankaアームシミュレーションデータセットに関するFAQのリストで、初心者と経験豊富なロボット技術者の両方にとって明確で実用的で役立つように設計されています。



一般的な初心者向け質問



Q Axis Roboticsは正確に何をリリースしましたか？

A Frankaロボットアーム専用の大規模なオープンソースのシミュレーションデータセットをリリースしました。これには、シミュレートされた環境でロボットがタスクを実行する数百万の例と、それに伴うセンサーデータが含まれています。



Q なぜこれがPhysical AIにとって重要なのですか？

A Physical AIは実世界とどのように相互作用するかを理解する必要があります。これらのAIモデルのトレーニングには通常、収集が遅く高価な実世界データが大量に必要です。このデータセットは大規模で高品質な近道を提供し、AIモデルがまずシミュレーションで何十億回も練習できるようにします。



Q シミュレーションデータセットとは何ですか？

A 物理ロボットではなく、コンピュータプログラム内で生成されたデータのコレクションです。ロボット用のビデオゲームと考えてください。すべてのアクションと観測が記録され、AIのトレーニングデータが作成されます。



Q 私はロボティクスに不慣れです。このデータセットを使用できますか？

A もちろんです。オープンソースなので、ダウンロードして学習に使用できます。まずデータを探索して、ロボットのセンサーデータがどのようなものかを理解することから始められます。実践的な使用には、基本的なPythonと機械学習の知識が役立ちますが、物理ロボットを所有する必要がある場合よりも参入障壁ははるかに低いです。



Q このデータセットは特定のFrankaロボット専用ですか、それとも他のロボットにも使用できますか？

A データはFrankaアームの動きとセンサーに固有です。ただし、学ぶ技術やトレーニングするAIモデルは、特にモデル転送をサポートするフレームワークを使用する場合、他の類似したロボットアームに適応または転送できることがよくあります。



技術的な上級者向け質問



Q データセットの具体的な形式は何ですか？

A データセットは通常、HDF5や同様の構造化形式などの標準形式で提供され、RLBenchやRobosuiteなどの一般的なロボット学習フレームワークに合わせられることがよくあります。通常、RGBDカメラフィード、深度マップ、ロボットの関節状態、アクショントラジェクトリが含まれます。