Axis Robotics, разрабатывающая компаундирующий дата-движок для ускорения развития физического ИИ, привлекла $12 млн в посевном раунде. Раунд возглавил фонд Hack VC, к нему присоединились Nomad Capital, Pi Network Ventures, 10K Ventures, а также ряд бизнес-ангелов.
Привлечённый капитал позволит Axis ускорить реализацию стратегии по созданию масштабируемого, параллельного, управляемого человеком глобального дата-движка, нацеленного на решение ключевой проблемы физического ИИ — массового, воспроизводимого производства структурированных, высокоразнообразных обучающих данных для робототехники.
Устранение «узкого горлышка» в данных для физического ИИ
В то время как большие языковые модели масштабируются на триллионах токенов уже существующих интернет‑данных, физический ИИ сталкивается сразу с тремя фундаментальными ограничениями: острой нехваткой данных, разрывом в способности к обобщению и фрагментацией сред воплощения на разных типах робототехнического «железа».
«Физический ИИ требует миллиарды траекторий движений, описывающих реальные человеческо‑физические взаимодействия, — говорит основатель Axis Robotics Крис. — Годы индустрия жила без эффективной, по сути бесконечно масштабируемой гибридной системы производства данных, которая позволяла бы моделям быстро и циклично обновляться. Именно это мы и построили в Axis — компаундирующий дата‑движок».
Как Axis формирует «общий интеллект» для робототехники
Собственная Compounding Data Engine от Axis обеспечивает сквозной цикл работы — от генерации задач до обучения и оптимизации моделей, включающий:
Task Gen Engine. Генерация экспоненциально разнообразного набора атомарных робототехнических задач за счёт рандомизации объектов, пространственных конфигураций, визуальных параметров, типов роботов и семантики. Разнообразие вшивается в каждую траекторию.
Браузерная платформа сим‑телемеханики. Первый в мире полностью веб‑интерфейс, позволяющий любому пользователю удалённо генерировать высококачественные траектории движений роботов. По сравнению с классическими лабораторными сборами данных Axis демонстрирует до 10‑кратного роста пропускной способности и нативно встраивает циклы human‑in‑the‑loop DAgger (Dataset Aggregation) для постоянной донастройки и коррекции политик робота.
Мобильное приложение Ego Data Mobile Capture. Перенос реального сбора данных из дорогих, тяжёлых аппаратных комплексов в «нулевой порог входа» мобильный формат. Комбинируя SOTA‑алгоритмы отслеживания позы рук в реальном времени с распределённой глобальной рабочей силой, Axis масштабирует человеческое зрение и мануальные навыки до уровня мирового парка роботов.
Конвейер обработки данных. Автоматизирует очистку траекторий, доменную рандомизацию и плотную языковую разметку, на выходе формируя готовые к обучению мультимодальные датасеты c более чем 10‑кратным улучшением качества данных.
Единая архитектура формирует самоподдерживающийся «маховик»: неудачные траектории робота в симуляции или реальном мире автоматически инициируют человеческое вмешательство, корректирующие данные возвращаются в обучение и расширяют покрытие edge‑кейсов. По мере роста объёма данных это создает нарастающий эффект компаундирующего интеллекта.
Структурные преимущества Axis: вертикально интегрированный «двигатель разнообразия» и глобальная сеть контрибьюторов
Ключевое конкурентное преимущество Axis — единая платформа, покрывающая полный жизненный цикл физического ИИ. Вместо традиционного фрагментированного подхода компания выстроила вертикально интегрированный движок, объединяющий крупномасштабный распределённый сбор данных для предобучения и управляемую человеком Dataset Aggregation после обучения.
Платформа изначально спроектирована под максимальное разнообразие данных: проприетарный Task Generation Engine рандомизирует раскладки объектов, освещение, положения камер, физические свойства и морфологию роботов, создавая по сути бесконечное множество уникальных сцен и манипуляционных задач. На выходе — тренировочные датасеты, лучше всего подходящие для обобщающего обучения.
Для выхода на масштабы данных, сопоставимые с foundation‑моделями, Axis построила глобальную инфраструктуру сбора робототехнических данных: более 100 000 активных контрибьюторов, каждый из которых совершает в среднем 3–4 сессии в день. Это обеспечивает одновременно высокую эффективность производства и широту покрытия сценариев. На текущий момент Axis ежемесячно генерирует свыше 1 200 часов симуляционных данных и более 20 000 часов реальных эгоцентричных данных по широкому спектру сценариев.
Недавно компания представила Sim Dataset V1. Бенчмарки показывают, что инженерно управляемое разнообразие даёт заметный прирост метрик. В тесте LIBERO‑Plus предобучение π0.5 на полностью диверсифицированном датасете Axis повысило совокупный уровень успешности на 4,9 п.п., обогнав сравнимый по объёму базовый датасет RoboCasa365 на 31,3 п.п. Рост был достигнут по параметрам обобщения на новые раскладки, устойчивости к шуму сенсоров и робастности относительно позы робота. Разрыв показывает, что преимущество Axis обеспечивается именно проприетарным «двигателем разнообразия», а не просто объёмом данных.
Коммерциализация и стратегические партнёрства
Axis Robotics активно монетизирует свои высококачественные тренировочные датасеты для реальных кейсов. Компания поставляет кастомные «Task Packages» — пакеты задач, адаптированные под конкретные запросы производителей робототехники, разработчиков моделей физического ИИ и лидеров в сфере промышленной автоматизации.
Первые коммерческие партнёрства уже заключены с такими компаниями, как Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks и другими. Эти коллаборации демонстрируют высокий и уже сформировавшийся рыночный спрос на масштабируемые, высокоточные обучающие данные для роботов.
Переопределяя «общий физический интеллект»
«Будущее физического ИИ зависит от глубокой симбиозы моделей и данных, — подчёркивает Крис. — Статичные датасеты не способны стать основой для общего робототехнического интеллекта. Победит компаундирующий дата‑движок: вертикально интегрированная система, связывающая глобальную сеть контрибьюторов с непрерывной итерацией моделей. Каждая новая траектория и каждая человеческая правка ускоряют прогресс, раскручивая самоподдерживающийся маховик интеллекта».
Команда Axis объединяет ведущих исследователей в области ИИ и робототехники из UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU и SJTU, а также growth‑специалистов, ранее масштабировавших потребительские продукты до аудитории свыше 30 млн пользователей по всему миру.
Благодаря раунду финансирования в $12 млн под управлением Hack VC Axis Robotics планирует углубить компетенции в процедурной генерации, расширить распределённую сеть контрибьюторов и закрепить позицию ключевого дата‑движка, обеспечивающего развитие физического ИИ.