Axis Robotics hat das Axis Sim Dataset V1 veröffentlicht – eines der größten offenen Simulationsdatensets für Manipulationsaufgaben mit dem Franka-Roboterarm. Der komplette Datensatz, inklusive Trainingscode und Benchmarks, steht der Öffentlichkeit zur Verfügung. V1 basiert auf mehr als 50.000 menschlich-teleoperierten Simulations-Trajektorien über 207 Manipulationsaufgaben und über 60.000 Szenenvarianten mit einem simulierten Franka Research 3.
Der Datensatz wurde mehr als 160.000-mal heruntergeladen und ist damit das meistabgerufene offene Franka-Simulations- und Manipulationsdatenset auf Hugging Face. In Benchmarks hebt kontinuierliches Pretraining auf V1 die Performance von π0.5 deutlich an und übertrifft eine volumen-gematchte RoboCasa-Baseline. Sämtliche Ergebnisse sind offen einsehbar und reproduzierbar.
Axis Robotics baut eine hochskalierende Datenmaschine für Physical AI – ein vertikal integriertes System, das großangelegte Simulation, egozentrische Realwelt-Datenerfassung, humanoide Loco-Manipulation sowie Human-gated DAgger-Post-Training verbindet. Das Unternehmen hat in einer Seed-Runde 12 Mio. US-Dollar eingesammelt. Die Runde wurde von Hack VC angeführt, beteiligt waren unter anderem Nomad Capital, Pi Network Ventures, 10K Ventures sowie Business Angels.
Wette gegen das Dogma „Nur saubere Daten“
In der Robotik gilt lange die Annahme, Demonstrationen müssten von Beginn an nahezu optimal sein – man filtert auf Expertentrajektorien, standardisiert Setups und verwirft alles Rauschen, bevor man Modelle imitativ trainiert. Axis vertritt eine gegenteilige These: Entscheidend ist die Qualität der Verteilung, nicht der einzelnen Trajektorie. Wenn eine ausreichend große und diverse Crowd verrauschte, suboptimale Trajektorien erzeugt und deren Fehler nicht korreliert sind, mittelt sich das Rauschen im Training heraus – und eine robuste Policy bleibt übrig.
Das Axis Sim Dataset V1 ist der öffentliche Test dieser Hypothese. Die Trajektorien decken Pick-and-Place, Stapeln, Einschenken, die Manipulation artikulierter Objekte sowie Werkzeuggebrauch ab – alles gesammelt über die browserbasierte Teleoperationsplattform Axis Hub von einer verteilten Crowd statt einem einzelnen Expertenteam. Aufbau und Auswertung des Datensatzes erfolgten gemeinsam mit Forschenden der UC Berkeley, Johns Hopkins University, University of Michigan und weiteren Institutionen.
Skalierende Ergebnisse
Auf dem LIBERO-Plus-Benchmark steigert kontinuierliches Pretraining auf V1 die Erfolgsrate von π0.5 von 83,9 % auf 88,8 % und übertrifft eine volumen-gematchte RoboCasa365-Baseline um 37,3 Prozentpunkte. Die Performance verbessert sich konsistent, wenn der Umfang der Pretraining-Daten von 25 % auf 100 % des Datensatzes erhöht wird – ohne Anzeichen einer Sättigung. Das spricht dafür, dass die Zugewinne vor allem aus Datenvielfalt und -abdeckung stammen, nicht aus einem einmaligen Effekt. Die größten Verbesserungen zeigen sich bei Störungen von Kamera, Sensorrauschen und Layout – genau jenen Achsen, die Axis in der Datengenerierung gezielt randomisiert.
Nach Angaben des Teams ist V2 bereits in Arbeit: Der Nachfolgedatensatz soll auf 1,2 Mio. Trajektorien über 1.200 Aufgaben skalieren. Erste Resultate über mehrere VLA-Modelle und verschiedene Robotik-Plattformen hinweg deuten darauf hin, dass auch suboptimale Simulationsdaten robuste Policies hervorbringen, die gut auf andere Embodiments generalisieren.
Die Maschine hinter dem Datensatz
Der Datensatz ist ein Output einer größeren, dynamisch wachsenden Datenmaschine. Während klassische Datenanbieter nach einer einmal definierten Spezifikation sammeln und dann stoppen, nutzt Axis die Performance der Modelle und deren Fehlermuster, um zu bestimmen, welche Daten als Nächstes erhoben werden sollen. Jeder Trainingszyklus informiert so den folgenden.
Diese Engine folgt einer hybriden Strategie entlang vier Datenströmen, die mittlerweile alle im großen Maßstab laufen:
Simulation: Über 200.000 verteilte Contributor auf Axis Hub, einer der drei größten dApps auf Base, generieren mehr als 4,7 Mio. Trajektorien über 13 verschiedene Embodiments.
Egozentrische Daten: Ein gemanagtes Netzwerk von über 1.000 Vollzeitkräften, geschult in Qualitätskontrolle, erfasst First-Person-Aktivitäten in echten Haushalten und Betrieben in 14 Branchen. Bereits über 200.000 Stunden Video sind im Bestand, täglich kommen mehr als 4.000 Stunden hinzu – inklusive Vicon-verifizierter Handposen.
Loco-Manipulation: Mehr als 500 Stunden kombinierter Mobilitäts- und Geschicklichkeitsdaten auf realen Humanoiden (Unitree G1, Booster T2) per hardware-agnostischer Teleoperation.
Human-gated DAgger-Post-Training: Über 500 Stunden Human-in-the-Loop-Korrekturen, gezielt auf Grenzfälle in der realen Anwendung ausgerichtet.
Jede Aufgabe und jede Trajektorie wird on-chain auf Base erfasst, um die Datenherkunft abzusichern. Contributor werden für nachweislich hochwertige Arbeit vergütet.
Von Open Data zur industriellen Nutzung
Über die Open-Source-Freigabe von Simulationsdaten hinaus arbeitet Axis direkt mit Robotik-Hardwareunternehmen zusammen, um maßgeschneiderte, embodimentspezifische Datenpipelines und Modell-Priors aufzubauen.
Als erster Simulationsdaten-Partner von Booster Robotics hat Axis die reale Arbeitsumgebung von Booster als aufgabenorientierten digitalen Zwilling nachgebaut, eine verteilte Crowd über 42.000 Simulationsepisoden sammeln lassen und daraus einen Booster-spezifischen Modell-Prior destilliert. Mit nur 30 realen Roboterdemonstrationen erreichte dieser Prior eine Erfolgsrate von 87,5 % – gegenüber 37,5 % für ein Standard-π0.5-Modell – und matchte die Performance von π0.5 bei halb so vielen Realwelt-Demonstrationen.
Weitere Partner kommen aus unterschiedlichen Segmenten: Robotik-Embodiments (Feagine Robotics), Modellanbieter (Manycore Tech, Dexmal) sowie industrielle Automatisierung (Lotus Cars, Geely Auto). Zudem beliefert Axis on-chain-Robotiknetzwerke wie BitRobot auf Solana und OpenRoboto auf Bittensor.
Fundament für Physical AI wird neu definiert
„Die Zukunft von Physical AI ist kein statischer Datensatz, den man einmal herunterlädt“, sagt Chris Feng, Gründer von Axis Robotics. „Es ist eine Maschine, die kontinuierlich genau die Daten produziert, die das Modell als Nächstes braucht. Skalierung sorgt für breite Abdeckung. Diversität hält das Rauschen unvoreingenommen. Der geschlossene Loop verwandelt jeden Fehler in Fortschritt. Das ist der Zinseszinseffekt im Datenraum.“
Axis wurde von Forschenden der UC Berkeley, CMU, Georgia Tech und SJTU gemeinsam mit Seriengründern aufgebaut, die bereits Consumer-Plattformen auf mehr als 30 Millionen Nutzer skaliert haben. Wissenschaftlich beraten wird das Unternehmen unter anderem von Jiachen Li, Assistant Professor am Georgia Tech.
Paper-Link: https://arxiv.org/abs/2607.21588
Projektseite: https://axisaiorg.github.io/AXIS-V1/
Datensatz-Link: https://huggingface.co/datasets/axisrobotics/Franka-Dataset
Github-Codebasis: https://github.com/AxisAIOrg/Axis-V1-Training