Axis Robotics, de datamotor die de ontwikkeling van Physical AI versnelt, maakt bekend dat het $12 miljoen heeft opgehaald in een seedronde onder leiding van Hack VC, met deelname van Nomad Capital, Pi Network Ventures, 10K Ventures en diverse angel-investeerders.
Met de financiering wil Axis zijn missie versnellen: het bouwen van een grootschalige, parallelle, human-in-the-loop wereldwijde datamotor die de grootste bottleneck van fysieke AI oplost: het op schaal genereren van gestructureerde, zeer diverse trainingsdata voor robots.
De databottleneck in Physical AI doorbreken
Waar Large Language Models kunnen schalen op biljoenen tokens aan bestaande internetdata, loopt Physical AI tegen drie structurele barrières aan: een acuut tekort aan data, een forse generalisatiekloof en grote fragmentatie tussen verschillende robotplatformen en -hardware.
“Physical AI vraagt om miljarden bewegingsbanen van interacties tussen mens en fysieke wereld,” zegt Chris, oprichter van Axis Robotics. “Jarenlang ontbrak het de sector aan een efficiënt, onbeperkt schaalbaar hybride dataproductiesysteem waarmee modellen moeiteloos kunnen itereren – precies wat wij met Axis hebben gebouwd: een compounding datamotor.”
Hoe Axis algemene robotintelligentie mogelijk maakt
De gepatenteerde Compounding Data Engine van Axis biedt een end-to-end workflow die taakgeneratie, datacaptatie, continue modeltraining en optimalisatie integreert:
Task Gen Engine: genereert exponentieel diverse, atomische robottaken door randomisatie over objecten, ruimtelijke indelingen, visuele omgevingen, robotvormfactoren en semantiek. Diversiteit wordt in elke afzonderlijke datatraject ingebouwd;
Browser-Based Sim Teleoperation Platform: ’s Werelds eerste volledig webgebaseerde interface waarmee iedereen op afstand hoogwaardige robottrajecten kan genereren. Axis levert een throughput die tien keer hoger ligt dan traditionele labcollectie en integreert naadloos human-gated DAgger‑interventieloops (Dataset Aggregation) om robotpolicies continu te verfijnen en te corrigeren;
Ego Data Mobile Capture App: verplaatst dataverzameling in de echte wereld van dure, hardware-intensieve opstellingen naar een laagdrempelige mobiele app. Door state-of-the-art real-time handpose‑tracking te koppelen aan een wereldwijde workforce vertaalt Axis menselijk zicht en menselijke motoriek naar robotbewegingen op mondiale schaal;
Data Processing Pipeline: automatiseert het opschonen van trajecten, domeinrandomisatie en rijke taalannotatie, en levert modelklare multimodale datasets op met meer dan tien keer hogere datakwaliteit.
Deze geïntegreerde architectuur creëert een zelfversterkende flywheel: mislukte robottrajecten uit simulatie en real-world deployment triggeren menselijke correcties, die weer terugvloeien in de training en de dekking van edge-cases vergroten. Naarmate het datavolume groeit, stapelt de intelligentie zich op.
Structurele voorsprong: verticale diversiteitsmotor en wereldwijd netwerk
Het concurrentievoordeel van Axis is een geïntegreerd platform dat de volledige levenscyclus van Physical AI afdekt. Waar traditionele spelers met gefragmenteerde oplossingen werken, heeft Axis een verticaal geïntegreerde engine gebouwd die grootschalige, gedistribueerde pretraining-datacollectie koppelt aan real-time, door mensen aangestuurde Dataset Aggregation na de training.
Axis’ eigen Task Generation Engine is vanaf de basis ontworpen voor datadiversiteit: objectindelingen, belichting, cameraposities, fysische eigenschappen en robotmorfologieën worden doorlopend gerandomiseerd. Het resultaat: eindeloos veel unieke scènes en manipulatie‑taken, en trainingsdata die direct generaliseerbaar is.
Om data op foundation‑model‑schaal te leveren, heeft Axis een wereldwijde robotica‑datainfrastructuur opgezet met meer dan 100.000 actieve bijdragers, die gemiddeld drie tot vier keer per dag data aanleveren. Zo maximaliseert het bedrijf zowel productiviteit als diversiteitsdekking. Op dit moment kan Axis maandelijks meer dan 1.200 uur aan simulatie‑data en ruim 20.000 uur aan real‑world ego‑centrische data genereren, over een breed spectrum aan scenario’s.
Onlangs lanceerde Axis Sim Dataset V1. Benchmarktests laten zien dat zorgvuldig ontworpen diversiteit zich vertaalt in meetbare prestatieverbeteringen. Op de LIBERO‑Plus‑benchmark leidde pretraining van π0.5 op de volledig gediversifieerde Axis‑dataset tot een totale succesverbetering van 4,9 punten, en een outperformance van 31,3 punten ten opzichte van een volume‑gematchte RoboCasa365‑baseline. Daarbovenop kwamen duidelijke winsten in layout‑generalisatie, robuustheid tegen sensornoise en stabiliteit bij variërende robotposes. Het verschil onderstreept dat Axis’ voorsprong voortkomt uit de eigen diversiteitspijplijn – niet simpelweg uit meer data.
Commerciële uitrol en strategische partnerschappen
Axis Robotics zet zijn hoogwaardige trainingsdata in toenemend tempo in voor toepassingen in de praktijk. Het bedrijf levert maatwerk‑“Task Packages” die zijn afgestemd op de specifieke behoeften van fabrikanten van robotica‑hardware, ontwikkelaars van Physical‑AI‑modellen en industriële automatiseringsspelers.
De eerste commerciële partnerschappen zijn inmiddels gesloten met onder meer Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks en andere partijen. Deze samenwerkingen illustreren de directe marktvraag naar schaalbare, hoog‑fideliteit trainingsdata voor robots.
Op weg naar algemene fysieke intelligentie
“De toekomst van Physical AI draait om een diepe symbiose tussen modellen en data,” aldus Chris. “Statische datasets zijn onvoldoende om algemene robotintelligentie aan te drijven. De winnende aanpak is een compounding datamotor: een verticaal geïntegreerd systeem dat een wereldwijd netwerk van bijdragers koppelt aan voortdurende modeliteratie. Elke diverse traject en elke menselijke correctie versnelt de modelverbetering en voedt een zelfversterkende intelligentie‑flywheel.”
Het bedrijf wordt aangestuurd door een topteam van AI- en robotica‑onderzoekers afkomstig van onder meer UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU en SJTU, aangevuld met growth‑specialisten die eerder consumentenproducten naar meer dan 30 miljoen wereldwijde gebruikers hebben opgeschaald.
Met deze seedronde van $12 miljoen onder leiding van Hack VC wil Axis Robotics zijn procedurale generatie verder uitbouwen, het gedistribueerde netwerk van bijdragers opschalen en zijn positie verstevigen als cruciale datamotor achter de volgende generatie Physical AI.
Linktree | Twitter | Documentatie | Product