Axis Robotics, il motore dati “compounding” che accelera la Physical AI, ha annunciato di aver raccolto 12 milioni di dollari in un round seed guidato da Hack VC, con la partecipazione di Nomad Capital, Pi Network Ventures, 10K Ventures e numerosi business angel.
Il nuovo capitale servirà a dare impulso alla missione di Axis: costruire un enorme motore dati globale, massivamente parallelo e “human‑in‑the‑loop”, in grado di risolvere il principale collo di bottiglia della Physical AI: la generazione scalabile di dati di addestramento per robot, strutturati e ad altissima diversità.
Sbloccare il collo di bottiglia dei dati nella Physical AI
Mentre i Large Language Model crescono su trilioni di token provenienti da dati preesistenti in rete, la Physical AI si scontra con tre ostacoli chiave: una forte scarsità di dati, un marcato gap di generalizzazione e una frammentazione dovuta all’eterogeneità dell’hardware robotico.
«La Physical AI richiede miliardi di traiettorie di movimento che descrivano interazioni fisiche uomo‑macchina», spiega Chris, fondatore di Axis Robotics. «Per anni al settore è mancato un sistema ibrido di produzione dati efficiente e virtualmente infinito, in grado di far iterare i modelli senza attriti: è esattamente ciò che abbiamo costruito con Axis, un motore dati “compounding”.»
Come Axis abilita un’intelligenza robotica generale
Il Compounding Data Engine proprietario di Axis offre un workflow end‑to‑end che integra generazione dei compiti, raccolta dati, addestramento continuo dei modelli e ottimizzazione:
Task Gen Engine: genera una gamma esponenzialmente ampia di micro‑task robotici grazie alla randomizzazione di oggetti, layout spaziali, aspetti visivi, corpi robotici e semantica, incorporando diversità in ogni singola traiettoria di dati;
Piattaforma di teleoperazione in simulazione via browser: la prima interfaccia web al mondo che permette a chiunque di produrre a distanza traiettorie di movimento robotico di alta qualità. Axis offre una produttività fino a 10 volte superiore rispetto alla raccolta in laboratorio e integra in modo nativo loop di intervento umano in stile DAgger (Dataset Aggregation), che affinano e correggono continuamente le policy dei robot;
Ego Data Mobile Capture App: sposta la raccolta di dati reali da costose infrastrutture hardware a un’app mobile a barriera d’ingresso zero. Combinando sistemi SOTA di tracciamento in tempo reale della posa della mano con una forza lavoro distribuita a livello globale, Axis traduce la visione e la destrezza umane in movimenti robotici su scala mondiale;
Data Processing Pipeline: automatizza pulizia delle traiettorie, domain randomization e annotazione linguistica densa, producendo dataset multimodali pronti per i modelli, con una qualità dei dati migliorata di oltre 10 volte.
Questa architettura unificata crea un flywheel auto‑rinforzante: le traiettorie fallite dei robot, in simulazione o nel mondo reale, attivano interventi correttivi da parte di operatori umani; le correzioni rientrano nel ciclo di training, ampliando la copertura dei casi limite e generando intelligenza “compounding” man mano che il volume dei dati cresce.
I “moat” strutturali di Axis: motore di diversità integrato verticalmente e rete globale di contributor
Il vantaggio competitivo di Axis risiede in una piattaforma unificata che copre l’intero ciclo di vita della Physical AI. A differenza degli approcci tradizionali, frammentati per fasi e fornitori, Axis ha sviluppato un motore integrato verticalmente che combina la raccolta di dati di pre‑training distribuita su larga scala con cicli di Dataset Aggregation in tempo reale, guidati dall’intervento umano nella fase post‑training.
Progettato nativamente per massimizzare la diversità, il Task Generation Engine randomizza disposizione degli oggetti, illuminazione, pose delle telecamere, proprietà fisiche e morfologie robotiche, generando scenari e compiti di manipolazione sempre nuovi e fornendo dati di addestramento pronti alla generalizzazione.
Per raggiungere una scala di dati paragonabile a quella dei foundation model, Axis ha costruito un’infrastruttura globale di raccolta dati robotici che conta oltre 100.000 contributor attivi, ciascuno dei quali invia in media 3‑4 contributi al giorno, ottimizzando al contempo efficienza produttiva e copertura della diversità. Oggi Axis è in grado di generare ogni mese oltre 1.200 ore di dati in simulazione e più di 20.000 ore di dati ego‑centrici real‑world in scenari estremamente eterogenei.
Axis ha recentemente lanciato il dataset Sim Dataset V1, con benchmark che mostrano come una diversità progettata ad hoc si traduca in guadagni prestazionali misurabili. Sulla suite LIBERO‑Plus, il pre‑training di π0.5 sul dataset completamente diversificato di Axis ha migliorato il tasso di successo complessivo di 4,9 punti, superando di 31,3 punti una baseline RoboCasa365 a parità di volume dei dati, con progressi significativi nella generalizzazione rispetto ai layout, nella resilienza al rumore dei sensori e nella robustezza alla variazione di postura del robot. Il divario dimostra che il vantaggio di Axis deriva dalla pipeline di diversità proprietaria, non semplicemente da una maggiore scala dei dati.
Commercializzazione e partnership strategiche
Axis Robotics sta accelerando la commercializzazione dei propri dati di training ad alta qualità per applicazioni nel mondo reale. L’azienda fornisce “Task Package” personalizzati, disegnati sulle esigenze specifiche di produttori di hardware robotico, sviluppatori di modelli di Physical AI e player dell’automazione industriale.
Le prime partnership commerciali sono già state siglate con realtà come Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks e altri operatori. Queste collaborazioni testimoniano l’esistenza di una domanda immediata di dati di addestramento robotico scalabili e ad alta fedeltà.
Ridefinire l’intelligenza fisica generale
«Il futuro della Physical AI dipende da una profonda simbiosi tra modelli e dati», afferma Chris. «Dataset statici non sono in grado di alimentare un’intelligenza robotica generale. La soluzione vincente è un motore dati “compounding”: un sistema integrato verticalmente che collega una rete globale di contributor a un processo di iterazione continua dei modelli. Ogni traiettoria diversa e ogni correzione umana accelerano il miglioramento dei modelli, creando un flywheel di intelligenza auto‑rinforzante.»
L’azienda è guidata da un team di altissimo livello, che unisce ricercatori d’élite in AI e robotica provenienti da istituzioni come UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU e SJTU a growth hacker che in passato hanno scalato prodotti consumer fino a oltre 30 milioni di utenti nel mondo.
Con questo round seed da 12 milioni di dollari guidato da Hack VC, Axis Robotics punta ad ampliare ulteriormente le proprie capacità di procedural generation, scalare la rete distribuita di contributor e consolidare la propria posizione di motore dati abilitante per il futuro della Physical AI.