액시스 로보틱스(AXIS Robotics)가 프랑카 리서치 3(Franka Research 3) 로봇암 조작을 위한 대규모 오픈소스 시뮬레이션 데이터셋인 Axis Sim Dataset V1를 공개했다. 전체 데이터, 학습 코드, 벤치마크가 모두 무료로 제공되며, 프랑카 암 조작 분야에서 최대급 오픈소스 시뮬레이션 데이터셋으로 평가된다.
V1은 총 207개 조작 과제에서 사람 원격조작(human teleoperation)으로 수집된 5만여 개의 시뮬레이션 궤적과, 6만 개가 넘는 장면 변형을 기반으로 구축됐다. 모든 데이터는 시뮬레이션된 Franka Research 3 로봇암 환경에서 생성됐다.
이 데이터셋은 허깅페이스(Hugging Face)를 통해 16만 회 이상 다운로드되며, 현재까지 공개된 프랑카 조작 시뮬레이션 데이터셋 가운데 다운로드 수 기준 최상위를 기록하고 있다. 벤치마크 결과, V1을 활용한 지속적 사전학습(continual pretraining)은 정책 π0.5 성능을 끌어올렸고, 동일한 데이터량을 맞춘 RoboCasa 기반선(baseline)을 능가했다. 모든 결과는 공개되어 외부 검증이 가능하다.
액시스 로보틱스는 피지컬 AI(Physical AI)를 위한 “복리형(compounding) 데이터 엔진” 구축을 표방한다. 대규모 시뮬레이션, 1인칭(egocentric) 실세계 데이터 수집, 휴머노이드 로코-매니퓰레이션 (보행+조작), 사람 개입 기반 DAgger 후학습까지 수직 통합된 시스템을 구성하고 있다. 회사는 Hack VC가 주도하고 Nomad Capital, Pi Network Ventures, 10K Ventures 및 엔젤 투자자들이 참여한 시드 라운드에서 1,200만 달러를 유치했다.
‘깨끗한 데이터만’에 대한 반론
로보틱스 업계에서는 그간 “시演(데모)은 처음부터 전문가 수준에 가깝게 깨끗해야 한다”는 전제가 지배적이었다. 즉, 전문가 궤적만 선별해 세팅을 표준화하고, 노이즈가 있는 데이터는 모방 학습 전에 과감히 버려야 한다는 관점이다.
액시스의 논지는 정반대에 가깝다. 데이터 품질은 개별 궤적이 아니라 “분포(distribution)” 차원에서 결정된다는 것이다. 충분히 크고 다양한 참여자 집단이 다소 조잡하고 비최적 (suboptimal)인 궤적을 생성하더라도, 각자의 오류가 서로 상관성이 없다면 노이즈는 평균에서 상쇄되고, 학습 과정에서 살아남는 정책은 실제로 동작 가능한 정책이 될 수 있다는 주장이다.
Axis Sim Dataset V1은 이 가설을 공개적으로 검증하기 위한 실험장이다. 데이터셋에는 픽앤플레이스, 적재·쌓기, 붓기, 관절 구조물(articulated object) 조작, 공구(tool) 사용 등 다양한 과제가 포함된다. 모든 궤적은 단일 전문가 팀이 아니라, 브라우저 기반 원격조작 플랫폼 ‘Axis Hub’를 통해 분산된 대규모 크라우드가 수집했다. 데이터 구축에는 UC 버클리, 존스홉킨스, 미시간대 등 주요 연구기관 연구진도 참여했다.
스케일이 만든 성과
LIBERO-Plus 벤치마크에서 V1 기반 지속적 사전학습은 π0.5 성공률을 83.9%에서 88.8%로 끌어올렸으며, 데이터량을 맞춘 RoboCasa365 기반선을 37.3%포인트 상회했다. 사전학습에 쓰인 데이터 비중을 전체의 25%에서 100%까지 단계적으로 늘려가도 성능이 꾸준히 개선되며, 포화 징후가 나타나지 않았다. 이는 일시적 효과가 아니라 데이터 다양성과 커버리지에서 기인한 본질적 개선이라는 해석을 뒷받침한다.
가장 큰 개선 폭은 카메라 시점·센서 노이즈·레이아웃 교란 환경에서 나타났다. 이는 바로 액시스가 데이터 생성 시 강하게 랜덤화를 거는 축과 일치한다.
액시스 측은 이미 V2 구축에 착수했다고 밝혔다. V2는 1,200여 개 과제에서 120만 개에 이르는 궤적으로 스케일을 확대하고, 서로 다른 로봇 형태 간 일반화(cross-embodiment generalization)와 복수 VLA(Vision-Language-Action) 모델에서의 결과를 통해 “비최적 시뮬레이션 데이터가 오히려 견고한 정책을 만든다”는 주장을 보다 정교하게 입증한다는 계획이다.
데이터셋 뒤에 있는 ‘엔진’
이번 데이터셋은 더 큰 차원의 “복리형 데이터 엔진”이 만들어내는 산출물 가운데 일부다. 전통적 데이터 벤더가 일정 사양에 맞춰 데이터를 수집하고 그 시점에서 멈춘다면, 액시스는 모델의 성능과 실패 사례를 분석해 다음에 어떤 데이터를 수집해야 하는지 역으로 결정한다. 매 라운드 학습 결과가 다음 수집 라운드를 규정하는 폐루프(closed loop)를 구축해 수익·성능·데이터가 동시 성장하는 구조를 지향한다.
이 엔진은 네 개의 데이터 라인을 통해 하이브리드 전략으로 작동하며, 네 축 모두 이미 대규모로 가동 중이다.
시뮬레이션:
Base 체인 상위 3위권 dApp인 Axis Hub를 통해 20만 명 이상 분산 기여자가 참여, 13종
로봇 형태(embodiment)를 대상으로 470만 건 이상의 시뮬레이션 궤적을 생성했다.
1인칭(Egocentric):
QC 교육을 받은 상시 전업 수집 인력 1,000여 명이 전 세계 실제 가정·사업장을 무대로
14개 산업군에서 1인칭(first-person) 활동 데이터를 수집 중이다. 현재까지 20만 시간 이상
축적했으며, 하루 4,000시간 이상이 추가되고 있다. 모든 데이터는 비콘(Vicon) 기반 손
포즈가 검증되어 있다.
로코-매니퓰레이션(Loco-manipulation):
Unitree G1, Booster T2 등 실물 휴머노이드를 대상으로, 하드웨어에 구애받지 않는 원격조작
시스템을 통해 이동성과 조작성 데이터를 결합한 500시간 이상의 로그를 확보했다.
Human-gated DAgger 후학습:
실제 배포 환경에서 발생하는 엣지 케이스를 겨냥해, 사람 개입(human-in-the-loop)으로
정책을 교정하는 DAgger 방식 후학습을 500시간 이상 수행했다.
모든 태스크와 궤적은 베이스(Base) 블록체인에 온체인 기록되어 출처(provenance)가 보증되며, 기여자는 검증된 작업 품질에 따라 보상을 받는다.
오픈 데이터에서 상용 배포까지
액시스는 시뮬레이션 데이터를 오픈소스로 공개하는 데 그치지 않고, 로봇 하드웨어 기업과 직접 협력해 각 기체에 특화된 데이터 파이프라인과 모델 프라이어(model prior)를 구축하고 있다.
부스터 로보틱스(Booster Robotics)의 첫 시뮬레이션 데이터 파트너로서, 액시스는 Booster의 실제 작업 환경을 태스크 정렬(task-aligned) 디지털 트윈으로 재구축했다. 이후 분산 기여자가 이 디지털 트윈 상에서 4만2,000건 이상의 시뮬레이션 에피소드를 수집했고, 이를 Booster 전용 모델 프라이어로 증류(distillation)했다. 단 30회의 실제 로봇 데모만으로 이 프라이어는 성공률 87.5%를 기록해, 사전학습 없이 그대로 사용한 π0.5의 37.5% 대비 압도적인 성능을 보였다. 같은 수준의 성능을 내는 데 필요한 실세계 시연 수를 절반으로 줄인 셈이다.
파트너사는 이 밖에도 로봇 하드웨어 기업(Feagine Robotics), 모델 개발사(Manycore Tech, Dexmal), 산업용 자동화 업체(Lotus Cars, Geely Auto) 등으로 확대되고 있다. 또한 솔라나 기반 BitRobot, Bittensor 기반 OpenRoboto 등 온체인 로보틱스 네트워크에도 데이터를 공급 중이다.
피지컬 AI 데이터 인프라 재정의
액시스 로보틱스 창업자 크리스 펭(Chris Feng)은 “피지컬 AI의 미래는 한 번 내려받고 끝나는 정적 데이터셋이 아니다”라며 “모델이 다음에 필요로 하는 데이터를 계속해서 생산하는 엔진에 가깝다”고 말했다. 그는 이어 “스케일은 넓은 커버리지를, 다양성은 편향되지 않은 노이즈를, 폐루프는 모든 실패를 진전으로 바꾸는 힘을 제공한다. 이 세 가지가 복리로 쌓인다”고 강조했다.
액시스는 UC 버클리, 카네기멜론대(CMU), 조지아텍(Georgia Tech), 상하이교통대(SJTU) 출신 연구자들과, 3,000만 명 이상 사용자를 보유한 소비자 플랫폼을 키워본 연쇄 창업자들이 함께 설립했다. 연구 고문으로는 조지아텍 리자천(Jiachen Li) 조교수가 참여하고 있다.
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