Axis Robotics ha publicado Axis Sim Dataset V1, uno de los mayores conjuntos de datos de simulación de código abierto para manipulación con brazo Franka, con el dataset completo, el código de entrenamiento y los benchmarks disponibles públicamente. V1 se ha construido a partir de más de 50.000 trayectorias de simulación teleoperadas por humanos en 207 tareas de manipulación y más de 60.000 variantes de escena sobre un brazo Franka Research 3 simulado.
El conjunto ha superado las 160.000 descargas, lo que lo convierte en el dataset abierto de simulación para manipulación con Franka más descargado en Hugging Face. En benchmarks, el preentrenamiento continuo sobre V1 elevó π0.5 y superó a una línea base RoboCasa con el mismo volumen de datos, con todos los resultados abiertos y verificables.
Axis Robotics quiere construir el motor de datos compuesto definitivo para la IA física: un sistema verticalmente integrado que abarca simulación a gran escala, captura egocéntrica en el mundo real, loco-manipulación con humanoides y post-entrenamiento DAgger supervisado por humanos. La compañía levantó 12 millones de dólares en una ronda semilla liderada por Hack VC, con participación de Nomad Capital, Pi Network Ventures, 10K Ventures y varios business angels.
Una apuesta contra el “solo datos limpios”
En robótica es habitual asumir que las demostraciones deben ser casi óptimas desde el inicio: filtrar solo trayectorias expertas, estandarizar el setup y eliminar cualquier dato ruidoso antes de imitar. La tesis de Axis va en sentido contrario: la calidad se juega en la distribución, no en cada trayectoria individual. Cuando una masa suficientemente grande y diversa de personas genera trayectorias ruidosas y subóptimas, y sus errores no están correlacionados, el ruido se promedia y la política útil sobrevive al entrenamiento.
Axis Sim Dataset V1 lleva esa tesis a una prueba pública. Sus trayectorias cubren tareas de pick-and-place, apilado, vertido, manipulación de objetos articulados y uso de herramientas, todas recopiladas a través de la plataforma de teleoperación en navegador Axis Hub por una red distribuida de operadores, y no por un único equipo experto. El dataset se creó en colaboración con investigadores de UC Berkeley, Johns Hopkins, la Universidad de Míchigan y otras instituciones.
Resultados que escalan
En LIBERO-Plus, el preentrenamiento continuo sobre V1 eleva la tasa de éxito de π0.5 del 83,9% al 88,8% y supera en un 37,3% a la línea base RoboCasa365 con el mismo volumen de datos. El rendimiento mejora de forma consistente a medida que el volumen de preentrenamiento pasa del 25% al 100% del dataset, sin indicios de saturación, una señal de que las ganancias provienen de la diversidad y la cobertura y no de un pico puntual. Las mayores mejoras se observan bajo perturbaciones de cámara, ruido en sensores y cambios de disposición, precisamente los ejes que Axis aleatoriza durante la generación.
El equipo afirma que V2 ya está en marcha, con un salto a 1,2 millones de trayectorias en 1.200 tareas, generalización entre diferentes morfologías robóticas y resultados en múltiples modelos VLA que muestran que datos de simulación subóptimos pueden entrenar políticas robustas.
El motor detrás del dataset
El dataset es solo una de las salidas de un motor de datos mayor, en crecimiento continuo. Mientras un proveedor tradicional recopila hasta cumplir una especificación fija y se detiene, Axis utiliza el rendimiento del modelo y sus fallos para decidir qué debe recolectarse a continuación, de modo que cada ronda de entrenamiento informa a la siguiente. Ese motor se apoya en una estrategia híbrida con cuatro líneas de datos, todas ya operando a escala:
Simulación: más de 200.000 colaboradores distribuidos en Axis Hub, una de las tres principales dApps en Base, que han generado más de 4,7 millones de trayectorias en 13 morfologías robóticas.
Egocéntrica: una red gestionada de más de 1.000 recolectores a tiempo completo, formados en control de calidad, que capturan actividad en primera persona en hogares y negocios de 14 sectores. Ya se han acumulado más de 200.000 horas y se añaden más de 4.000 horas diarias, con pose de manos verificada con sistemas Vicon.
Loco-manipulación: más de 500 horas combinando movilidad y destreza en humanoides reales (Unitree G1, Booster T2) mediante teleoperación independiente del hardware.
Post-entrenamiento DAgger con supervisión humana: más de 500 horas de corrección humana en bucle, enfocada en casos límite de despliegue.
Cada tarea y trayectoria se registra on-chain en Base para garantizar la procedencia, y los colaboradores son recompensados en función de la calidad verificada de su trabajo.
De los datos abiertos al despliegue comercial
Más allá de abrir datos de simulación, Axis colabora directamente con fabricantes de robots para construir canalizaciones de datos y priors de modelo personalizados para cada morfología.
Como primer socio de datos de simulación de Booster Robotics, Axis reconstruyó el entorno real de trabajo de Booster como un gemelo digital alineado con sus tareas, hizo que colaboradores distribuidos recogieran más de 42.000 episodios de simulación en ese entorno y los destiló en un prior específico para Booster. Con solo 30 demostraciones en robot real, ese prior alcanzó un 87,5% de éxito frente al 37,5% de un π0.5 estándar, igualando a π0.5 utilizando la mitad de demostraciones en el mundo real.
Otros socios incluyen empresas de hardware robótico (Feagine Robotics), compañías de modelos (Manycore Tech, Dexmal) y grupos de automatización industrial (Lotus Cars, Geely Auto). Axis también abastece a redes de robótica on-chain: BitRobot en Solana y OpenRoboto en Bittensor.
Redefinir la base de datos de la IA física
“El futuro de la IA física no es un dataset estático que descargas una vez”, afirma Chris Feng, fundador de Axis Robotics. “Es un motor que sigue produciendo los datos que el modelo necesita a continuación. La escala te da cobertura amplia. La diversidad mantiene el ruido sin sesgo. El bucle cerrado convierte cada fallo en progreso. Eso es lo que compone.”
Axis fue fundada por investigadores de UC Berkeley, CMU, Georgia Tech y SJTU, junto con emprendedores en serie que han escalado plataformas de consumo por encima de los 30 millones de usuarios. Su investigación cuenta con el asesoramiento de Jiachen Li, profesor asistente en Georgia Tech.
Enlaces:
Paper: https://arxiv.org/abs/2607.21588
Página del proyecto: https://axisaiorg.github.io/AXIS-V1/
Dataset: https://huggingface.co/datasets/axisrobotics/Franka-Dataset
Código en Github: https://github.com/AxisAIOrg/Axis-V1-Training