Axis Robotics, makinelerin fiziksel dünyada hareket etmeyi gerçekten öğrenmesini sağlayacak şeyin seçkince küratörlenmiş mükemmellik değil, ölçek ve çeşitlilik olduğuna bahse girerek, şimdiye kadar yayımlanmış en büyük açık kaynak robot manipülasyon veri koleksiyonlarından birinin kapılarını açtı. Şirketin yeni Franka kol simülasyon veri seti Axis Sim Dataset V1, tam eğitim kodu ve herkese açık kıyaslama sonuçlarıyla birlikte geliyor ve şimdiden araştırmacıların sektörün Fiziksel Yapay Zekâ (Physical AI) dediği alan için eğitim verisini nasıl düşündüklerini yeniden şekillendiriyor.
İçindekiler
Öne çıkanlar
- Axis Sim Dataset V1, 207 manipülasyon görevi ve simüle edilmiş bir Franka Research 3 kolu üzerinde 60.000+ sahne varyantı boyunca 50.000’den fazla insan tarafından teleoperasyonla oluşturulmuş yörünge içeriyor.
- Veri seti, herhangi bir açık kaynak Franka simülasyon veri seti arasında en yüksek sayı olan Hugging Face üzerinde 160.000’den fazla indirme kaydetti.
- V1 üzerinde ön eğitim, LIBERO-Plus üzerinde π0.5 performansını artırıyor ve hacim açısından eşleştirilmiş bir RoboCasa temel çizgisini %37,3 oranında geride bırakıyor.
- Axis Robotics, Hack VC liderliğinde, Nomad Capital, Pi Network Ventures ve 10K Ventures’ın da katılımıyla 12 milyon dolar tohum yatırım topladı.
- Gelecekteki bir V2 sürümünün, 1.200 görev boyunca 1,2 milyon yörüngeye ölçeklenmesi planlanıyor.
Axis Robotics, Büyük Franka Kol Simülasyon Veri Setini Piyasaya Sürüyor
Axis Robotics, V1’i robotik araştırmalarında uzun süredir devam eden bir varsayıma doğrudan bir meydan okuma olarak geliştirdi: işe yarar olması için eğitim verisinin temiz, uzmanlar tarafından üretilmiş ve sıkı şekilde kontrol edilmiş olması gerektiği varsayımı. Bunun yerine şirket, 207 farklı manipülasyon görevi ve 60.000’den fazla sahne varyantını kapsayan, tamamı simüle edilmiş bir Franka Research 3 kolu üzerinde yakalanmış, 50.000’den fazla insan tarafından teleoperasyonla oluşturulmuş yörüngeden derlenmiş bir veri seti yayımladı.
Axis Sim Dataset V1’in ölçeği ve erişim
Tam veri seti, eğitim kodu ve kıyaslama sonuçlarıyla birlikte, herkesin indirmesi ve test etmesi için herkese açık durumda. Bu açıklık, amacın bir parçası — Axis, şirketin kendi sözüne güvenilmesi yerine, dışarıdaki araştırmacıların sonuçlarını doğrulamasını istiyor.
Veri setinin popülerliği ve kıyaslama sonuçları
Benimsenme dikkat çekici oldu. V1, Hugging Face üzerinde 160.000’den fazla indirme alarak, onu en çok indirilen Franka kol manipülasyonuna dayalı açık kaynak simülasyon veri seti haline getirdi. Kıyaslama tarafında, V1 üzerinde sürekli ön eğitim, π0.5 modelinin LIBERO-Plus üzerindeki başarısını %83,9’dan %88,8’e yükseltti ve hacim açısından eşleştirilmiş bir RoboCasa temel çizgisini %37,3 oranında geride bıraktı. Performans, veri setinin ön eğitimde kullanım oranı %25’ten %100’e çıkarıldıkça, herhangi bir doygunluk belirtisi olmadan artmaya devam etti — Axis’in savunduğu üzere, bunun kazançların tek seferlik bir artıştan ziyade verideki gerçek çeşitlilikten geldiğine işaret ettiği düşünülüyor.
Yenilikçi Veri Toplama ve İşleme Yaklaşımı
Çoğu robotik ekibi, küçük bir uzman gösterimi havuzuna filtreleyerek veri toplar ve gürültülü görünen her şeyi atar. Axis tam tersini yapıyor ve bu tercih, bu açık kaynak robotik veri setinin arkasındaki asıl hikâye.
Filtrelenmiş uzman verisi yerine dağıtık kalabalık teleoperasyonu
Şirketin savı, veri kalitesinin tekil bir yörüngeden ziyade tüm dağılım düzeyinde ortaya çıktığı. Büyük ve çeşitli bir kalabalık, dağınık ve kusurlu gösterimler ürettiğinde ve hataları birbirleriyle korele olmadığında, gürültü eğitim sırasında birbirini götürüyor ve yine de işe yarar bir politika ortaya çıkıyor. V1 bu teoriyi pratiğe döküyor: yörüngeleri, alma-bırakma, istifleme, dökme, mafsallı nesne kullanımı ve alet kullanımı gibi görevleri kapsıyor; bunların tümü, Axis’in tarayıcı tabanlı teleoperasyon platformu Axis Hub üzerinden, tek bir kurum içi uzman ekip yerine dağıtık bir kalabalık tarafından toplandı. UC Berkeley, Johns Hopkins ve Michigan Üniversitesi’nden araştırmacılar veri setinin oluşturulmasına katkıda bulundu.
Axis’in Fiziksel Yapay Zekâ veri motorunun bileşenleri
V1, daha büyük bir makinenin yalnızca tek çıktısı. Axis, yaklaşımını, bayatlayan statik bir indirme yerine, sürekli yeni eğitim materyali üreten bir veri motoru olarak tanımlıyor. Aynı anda dört cephede çalışıyor: büyük ölçekli simülasyon, benmerkezci (egosantrik) gerçek dünya yakalama, insansı yürüme-manipülasyon (loco-manipulation) ve modelin zorlandığı uç durumları düzeltmek için insanların devreye girdiği insan kontrollü DAgger sonradan eğitimi. Model hataları, bir sonraki aşamada neyin toplanacağına geri besleniyor; böylece her eğitim döngüsü bir sonrakini bilgilendiriyor.
Ortaklıklar ve Zincir Üzerinde Veri Kökeni
Açık veri setinin ötesinde, Axis bu hattı şimdiden ticari dağıtımlara dönüştürüyor — ve işte bu noktada bu çalışmanın pratik önemi daha net hale geliyor.
Booster Robotics ve diğer ortaklarla iş birliği
Booster Robotics’in ilk simülasyon-verisi ortağı olarak Axis, Booster’ın gerçek çalışma alanını görev odaklı bir dijital ikiz olarak yeniden inşa etti ve ardından dağıtık katılımcıların bunun üzerinde 42.000’den fazla simülasyon bölümü toplamasını sağladı. Bu bölümler, özel olarak Booster’ın donanımı için oluşturulmuş bir ön modelde damıtıldı. Sonuç: yalnızca 30 gerçek robot gösterimiyle, bu özelleştirilmiş ön model, kutudan çıktığı haliyle bir π0.5 modelinin %37,5’lik başarısına kıyasla %87,5 başarıya ulaştı — gerçek dünya gösterim verisinin yalnızca yarısını kullanarak π0.5’in performansını yakaladı. Axis ayrıca diğer bedenlenme (embodiment) ve model şirketleriyle, endüstriyel otomasyon oyuncularıyla birlikte çalışıyor ve zincir üzerindeki robotik ağlara veri sağlıyor.
Zincir üzerinde veri kökeni ve katkıda bulunanlara ödüller
Axis Hub üzerinden toplanan her görev ve yörünge, Base blokzinciri üzerinde zincire kaydediliyor ve verinin nereden geldiğine dair doğrulanabilir bir kayıt oluşturuyor. Katkıda bulunanlar, kalite kontrollerini geçen çalışmalar için ödüllendiriliyor; bu da, kalabalık kaynaklı modeli ölçekli halde dürüst tutmayı amaçlayan bir teşvik yapısı. İşte Axis Robotics Physical AI yaklaşımının daha geniş öneminin görünmeye başladığı yer burası: köken takibi yalnızca teknik bir dipnot değil, aynı zamanda, hesap verebilirliği kaybetmeden, küçük bir güvenilir uzman ekibinin yerine dağıtık ve gürültülü bir kalabalığın geçmesini sağlayan mekanizma.
Gelecekte Veri Setinin Genişletilmesi ve Fiziksel Yapay Zekâ Vizyonu
Axis, V1’i bitmiş bir ürün olarak görmüyor — bu bir kontrol noktası. Şirket, veri setini 1.200 görev boyunca 1,2 milyon yörüngeye ölçeklemeyi hedefleyen bir V2 sürümünün hâlihazırda hazırlık aşamasında olduğunu ve odak noktasının, veriler üzerinde eğitilen modellerin farklı robot gövdeleri arasında daha iyi aktarım yapabilmesi için bedenler arası genelleme olacağını söylüyor.
Kurucunun sürekli veri üretimine dair vizyonu
Axis Robotics’in kurucusu Chris Feng, şirketin uzun vadeli iddiasını şu şekilde çerçeveledi: “Fiziksel Yapay Zekâ’nın geleceği, bir kez indirip kullanacağınız statik bir veri seti değil. Modelin bir sonraki ihtiyaç duyduğu veriyi üretmeye devam eden bir motor. Ölçek size geniş kapsama alanı sağlar. Çeşitlilik gürültüyü tarafsız tutar. Kapalı döngü, her hatayı ilerlemeye dönüştürür. Büyüyen şey budur.” Axis, daha önce tüketici platformlarını 30 milyondan fazla kullanıcıya ölçeklemiş seri girişimcilerin yanı sıra UC Berkeley, CMU, Georgia Tech ve SJTU’dan araştırmacılar tarafından kuruldu. Georgia Tech’te Yardımcı Doçent olan Jiachen Li, şirketin araştırmalarına danışmanlık yapıyor.
Finansman ve Araştırma Danışmanlığı
Axis Robotics, bu veri motorunu geliştirmek için Hack VC liderliğinde 12 milyon dolar tohum yatırım topladı. Nomad Capital, Pi Network Ventures, 10K Ventures ve bir grup melek yatırımcı da tura katıldı. Bu destek, şirkete dört veri hattını — simülasyon, benmerkezci yakalama, yürüme-manipülasyon ve insan kontrollü düzeltme — genişletmeye devam ederken daha büyük V2 sürümüne doğru ilerleme imkânı sağlıyor.
Daha geniş alan için bunun önemi şu: robotik araştırmacıları, yıllardır eğitim verisinin kullanılabilir olması için neredeyse kusursuz olması gerektiğini varsayıyordu. Axis’in sonuçları kendi kıyaslamalarının dışında da geçerli olursa, sağlam politikaların, uzman göstericiler tutmanın maliyetinin çok küçük bir kısmına, gürültülü ve kalabalık kaynaklı veriler üzerinde eğitilebileceğini öne sürüyor — bu da, insansı veya kola dayalı robotlar inşa eden her laboratuvarın ve girişimin, eğitim verisini bundan sonra nasıl tedarik edeceğini yeniden şekillendirebilir.
SSS
Axis Sim Dataset V1 nedir?
Axis Sim Dataset V1, 50.000’den fazla insan tarafından teleoperasyonla oluşturulmuş ve 207 görevi kapsayan yörüngeyle, Franka kol manipülasyonu için en büyük açık kaynak simülasyon veri setlerinden biridir.
Axis Robotics, simülasyon veri setleri için veriyi nasıl topluyor?
Axis Robotics, yalnızca filtrelenmiş uzman gösterimlerine güvenmek yerine, tarayıcı tabanlı teleoperasyon platformu Axis Hub’ı kullanarak dağıtık bir kalabalıktan veri toplar.
Axis Sim Dataset V1 üzerinde ön eğitim ne gibi faydalar sağlar?
V1 üzerinde ön eğitim, LIBERO-Plus gibi manipülasyon kıyaslamalarında model başarı oranlarını artırır ve RoboCasa gibi temel veri setlerini geniş bir farkla geride bırakır.
Axis Robotics’in Fiziksel Yapay Zekâ veri setlerinin geleceğine dair vizyonu nedir?
Axis Robotics, Fiziksel Yapay Zekâ’yı, model ihtiyaçlarını karşılamak için sürekli yeni eğitim verisi üretmeye devam eden, ölçek, çeşitlilik ve kapalı döngü iyileştirmeye vurgu yapan bir veri motoru olarak tasavvur ediyor; tek seferlik bir veri seti yayını olarak değil.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Axis Sim Dataset V1 nedir?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Axis Sim Dataset V1, 50.000’den fazla insan tarafından teleoperasyonla oluşturulmuş ve 207 görevi kapsayan yörüngeyle, Franka kol manipülasyonu için en büyük açık kaynak simülasyon veri setlerinden biridir.”}},{“@type”:”Question”,”name”:”Axis Robotics, simülasyon veri setleri için veriyi nasıl topluyor?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Axis Robotics, yalnızca filtrelenmiş uzman gösterimlerine güvenmek yerine, tarayıcı tabanlı teleoperasyon platformu Axis Hub’ı kullanarak dağıtık bir kalabalıktan veri toplar.”}},{“@type”:”Question”,”name”:”Axis Sim Dataset V1 üzerinde ön eğitim ne gibi faydalar sağlar?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”V1 üzerinde ön eğitim, LIBERO-Plus gibi manipülasyon kıyaslamalarında model başarı oranlarını artırır ve RoboCasa gibi temel veri setlerini geniş bir farkla geride bırakır.”}},{“@type”:”Question”,”name”:”Axis Robotics’in Fiziksel Yapay Zekâ veri setlerinin geleceğine dair vizyonu nedir?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Axis Robotics, Fiziksel Yapay Zekâ’yı, model ihtiyaçlarını karşılamak için sürekli yeni eğitim verisi üretmeye devam eden, ölçek, çeşitlilik ve kapalı döngü iyileştirmeye vurgu yapan bir veri motoru olarak tasavvur ediyor; tek seferlik bir veri seti yayını olarak değil.”}}]}
Yapay zekâ desteğiyle hazırlanmış ve editör ekibi tarafından gözden geçirilmiştir.




