Axis Robotics가 Franka 로봇 팔을 위한 가장 큰 시뮬레이션 데이터셋 중 하나를 공개했으며, Physical AI 발전을 지원하기 위해 이를 오픈소스로 제공했습니다.

Axis Robotics가 Franka 암 조작을 위한 가장 큰 오픈소스 시뮬레이션 데이터셋 중 하나인 Axis Sim Dataset V1을 출시했습니다. 전체 데이터셋, 학습 코드, 벤치마크가 이제 공개적으로 제공됩니다. V1은 207개의 조작 작업과 60,000개 이상의 장면 변형에 걸친 50,000개 이상의 인간 원격 조작 시뮬레이션 궤적으로 구축되었으며, 모두 시뮬레이션된 Franka Research 3 암에서 수행되었습니다. 이 데이터셋은 160,000회 이상의 다운로드를 기록하며 Hugging Face에서 가장 많이 다운로드된 오픈소스 시뮬레이션 Franka 조작 데이터셋이 되었습니다. 벤치마크에서 V1에 대한 지속적 사전 학습은 π0.5 성능을 향상시켰고, 볼륨이 일치하는 RoboCasa 기준선을 능가했으며, 모든 결과는 공개되고 검증 가능합니다.

Axis Robotics는 Physical AI를 위한 복합 데이터 엔진을 구축하고 있습니다—대규모 시뮬레이션, 자기중심적 실세계 캡처, 휴머노이드 이동-조작, 인간 게이트 DAgger 사후 학습을 결합한 완전 통합 시스템입니다. 이 회사는 Hack VC가 주도하고 Nomad Capital, Pi Network Ventures, 10K Ventures 및 엔젤 투자자들이 참여한 1,200만 달러의 시드 펀딩을 모금했습니다.

"깨끗한 데이터만"에 대한 반박

로봇공학의 일반적인 가정은 시연이 처음부터 거의 최적이어야 한다는 것입니다—전문가 궤적으로 필터링하고, 설정을 표준화하며, 모방 학습이 작동하기 전에 노이즈가 있는 데이터를 제거해야 한다는 것입니다. Axis는 반대 관점을 취합니다: 데이터 품질은 개별 궤적이 아닌 분포 수준에서 결정됩니다. 크고 다양한 군중이 노이즈가 있고 차선의 궤적을 생성하고 그들의 오류가 상관관계가 없을 때, 노이즈는 상쇄되고 훈련 중에 작동하는 정책이 나타납니다. Axis Sim Dataset V1은 이 아이디어를 공개 테스트에 적용합니다. 그 궤적은 집기-놓기, 쌓기, 따르기, 관절 객체 조작 및 도구 사용을 포함하며, 모두 Axis의 브라우저 기반 원격 조작 플랫폼인 Axis Hub를 통해 단일 전문가 팀이 아닌 분산된 군중에 의해 수집되었습니다. 이 데이터셋은 UC Berkeley, Johns Hopkins, University of Michigan 및 기타 기관의 연구자들과 함께 개발되었습니다.

확장되는 결과

LIBERO-Plus에서 V1에 대한 지속적 사전 학습은 π0.5 성공률을 83.9%에서 88.8%로 끌어올렸으며, 볼륨이 일치하는 RoboCasa365 기준선을 37.3% 능가했습니다. 성능은 사전 학습 데이터가 데이터셋의 25%에서 100%로 확장됨에 따라 꾸준히 향상되며, 포화 징후가 없습니다—이는 이득이 일회성 향상이 아닌 다양성과 범위에서 비롯됨을 증명합니다. 가장 큰 개선은 카메라, 센서 노이즈 및 레이아웃 변형에서 나타나며, 이는 정확히 Axis가 생성 중에 무작위화하는 변형입니다. 팀은 V2가 이미 진행 중이며, 1,200개 작업에 걸쳐 120만 궤적으로 확장되고, 교차 체현 일반화와 여러 VLA 모델에 걸친 결과가 차선의 시뮬레이션 데이터가 강력한 정책을 훈련할 수 있음을 보여준다고 말합니다.

데이터셋 뒤의 엔진

이 데이터셋은 더 크고 지속적으로 복합되는 데이터 엔진의 하나의 산출물입니다. 전통적인 데이터 공급업체가 고정된 사양으로 수집하고 중단하는 반면, Axis는 모델 성능과 실패 사례를 사용하여 다음에 무엇을 수집할지 결정하므로 각 훈련 라운드가 다음을 안내합니다. 이 엔진은 현재 모두 대규모로 운영되는 4개 데이터 라인에 걸친 하이브리드 전략으로 실행됩니다:

- 시뮬레이션: Base에서 상위 3개 dApp인 Axis Hub의 200,000명 이상의 분산 기여자가 13개 체현에 걸쳐 470만 개 이상의 궤적을 생산했습니다.
- 자기중심적: 1,000명 이상의 풀타임 QC 교육 수집자로 구성된 관리 네트워크가 14개 산업에 걸친 실제 가정과 기업에서 1인칭 활동을 캡처합니다. 이미 200,000시간 이상이 축적되었으며, Vicon 검증 손 포즈와 함께 매일 4,000시간 이상 증가하고 있습니다.
- 이동-조작: 하드웨어 비종속 원격 조작을 통해 실제 휴머노이드(Unitree G1, Booster T2)에서 이동성과 손재주를 결합한 500시간 이상.
- 인간 게이트 DAgger 사후 학습: 배포 엣지 케이스에 초점을 맞춘 인간-인-더-루프 교정 500시간 이상.

모든 작업과 궤적은 출처 추적을 위해 Base에서 온체인으로 기록되며, 기여자는 검증된 작업 품질에 대해 보상을 받습니다.

오픈 데이터에서 상업적 배포까지

시뮬레이션 데이터를 오픈소스화하는 것 외에도 Axis는 로봇 체현 회사와 직접 협력하여 특정 요구에 맞는 맞춤형 데이터셋을 구축합니다. Axis는 각 로봇 체현에 맞춘 맞춤형 데이터 파이프라인과 모델 사전을 구축합니다. Booster Robotics의 첫 번째 시뮬레이션 데이터 파트너로서 Axis는 Booster의 실제 작업 공간을 작업 중심 디지털 트윈으로 재현했습니다. 그런 다음 분산 기여자가 그 위에서 42,000개 이상의 시뮬레이션 에피소드를 실행했으며, Axis는 이를 Booster의 요구에 특화된 모델 사전으로 증류했습니다. 단 30개의 실제 로봇 시연을 사용하여 그 사전은 87.5%의 성공률을 달성했으며, 표준 π0.5 모델의 37.5%와 비교되었습니다—실제 세계 데모의 절반만으로 π0.5의 성능과 일치합니다.

Axis의 다른 파트너로는 Feagine Robotics와 같은 체현 회사, Manycore Tech 및 Dexmal과 같은 모델 회사, Lotus Cars 및 Geely Auto와 같은 산업 자동화 기업이 있습니다. Axis는 또한 Solana의 BitRobot 및 Bittensor의 OpenRoboto를 포함한 온체인 로보틱스 네트워크를 지원합니다.

Physical AI의 데이터 기반 재정의

"Physical AI의 미래는 한 번 다운로드하는 정적 데이터셋이 아닙니다,"라고 Axis Robotics의 창립자 Chris Feng이 말했습니다. "그것은 모델이 다음에 필요로 하는 데이터를 계속 생산하는 엔진입니다. 규모는 광범위한 범위를 제공합니다. 다양성은 노이즈를 편향되지 않게 유지합니다. 폐쇄 루프는 모든 실패를 진전으로 전환합니다. 그것이 복합되는 것입니다."

Axis는 UC Berkeley, CMU, Georgia Tech 및 SJTU의 연구자들과 3,000만 명 이상의 사용자로 소비자 플랫폼을 확장한 연쇄 창업자들에 의해 설립되었습니다. 그 연구는 Georgia Tech의 조교수인 Jiachen Li가 자문합니다.

논문 링크: https://arxiv.org/abs/2607.21588
프로젝트 페이지: https://axisaiorg.github.io/AXIS-V1/
데이터셋 링크: https://huggingface.co/datasets/axisrobotics/Franka-Dataset
Github 코드베이스: https://github.com/AxisAIOrg/Axis-V1-Training

자주 묻는 질문
다음은 Axis Robotics 오픈소스 Franka 암 시뮬레이션 데이터셋에 대한 FAQ 목록으로, 초보자와 경험 많은 로보틱스 전문가 모두에게 명확하고 실용적이며 유용하게 설계되었습니다.

일반 및 초보자 질문

Q: Axis Robotics가 정확히 무엇을 출시했나요?
A: Franka 로봇 암을 위해 특별히 설계된 대규모 오픈소스 시뮬레이션 데이터셋을 출시했습니다. 여기에는 시뮬레이션 환경에서 로봇이 작업을 수행하는 수백만 개의 예시와 함께 해당 센서 데이터가 포함되어 있습니다.

Q: 이것이 Physical AI에 왜 중요한가요?
A: Physical AI는 실제 세계와 상호작용하는 방법을 이해해야 합니다. 이러한 AI 모델을 훈련하려면 일반적으로 수집하는 데 느리고 비용이 많이 드는 대량의 실제 세계 데이터가 필요합니다. 이 데이터셋은 대규모의 고품질 지름길을 제공하여 AI 모델이 먼저 시뮬레이션에서 수십억 번 연습할 수 있게 합니다.

Q: 시뮬레이션 데이터셋이란 무엇인가요?
A: 물리적 로봇이 아닌 컴퓨터 프로그램 내에서 생성된 데이터 모음입니다. 로봇용 비디오 게임으로 생각하면 되며, 모든 행동과 관찰이 기록되어 AI 훈련 데이터를 만듭니다.

Q: 로보틱스 초보자인데 이 데이터셋을 사용할 수 있나요?
A: 물론입니다. 오픈소스이므로 다운로드하여 학습에 사용할 수 있습니다. 데이터를 탐색하여 로봇 센서 데이터가 어떤 모습인지 이해하는 것부터 시작할 수 있습니다. 직접 사용하려면 기본적인 Python 및 머신러닝 지식이 도움이 되지만, 실제 로봇이 필요할 때보다 진입 장벽이 훨씬 낮습니다.

Q: 이 데이터셋은 특정 Franka 로봇 전용인가요, 아니면 다른 로봇에도 사용할 수 있나요?
A: 데이터는 Franka 암의 움직임과 센서에 특화되어 있습니다. 그러나 배우는 기술과 훈련하는 AI 모델은 특히 모델 전송을 지원하는 프레임워크를 사용하는 경우 다른 유사한 로봇 암에 종종 적용되거나 전송될 수 있습니다.

기술 및 고급 질문

Q: 데이터셋의 특정 형식은 무엇인가요?
A: 데이터셋은 일반적으로 HDF5 또는 유사한 구조화된 형식으로 제공되며, 종종 RLBench 또는 Robosuite와 같은 일반적인 로봇 학습 프레임워크와 정렬됩니다. 일반적으로 RGBD 카메라 피드, 깊이 맵, 로봇 관절 상태 및 행동 궤적을 포함합니다.