Axis Robotics, розробник «наростального» дата-двигуна для прискорення розвитку фізичного штучного інтелекту, оголосила про залучення $12 млн у посівному раунді. Раунд очолив фонд Hack VC, також взяли участь Nomad Capital, Pi Network Ventures, 10K Ventures та низка бізнес-ангелів.
Капітал дозволить Axis пришвидшити реалізацію амбітної мети — побудувати масово-паралельний, керований людьми глобальний двигун даних, що вирішує головний «біль» фізичного ШІ: масштабоване створення структурованих, надзвичайно різноманітних тренувальних датасетів для робототехніки.
Ліквідація «датасетного» вузького місця у фізичному ШІ
У той час як великі мовні моделі масштабуються на трильйонах токенів уже наявних інтернет-даних, фізичний ШІ стикається одразу з трьома ключовими бар’єрами: гострим дефіцитом даних, проблемами із узагальненням і «роздробленістю втілення» між різними типами роботизованого «заліза».
«Фізичний ШІ потребує мільярдів траєкторій руху у взаємодії людини з фізичним світом, — пояснює Кріс, засновник Axis Robotics. — Протягом років індустрія не мала ефективної, безмежно масштабованої гібридної системи виробництва даних, яка дозволяла б моделям легко й безперервно ітеруватися. Саме це ми й створили в Axis — наростальний дата-двигун».
Як Axis розкриває потенціал загального роботизованого інтелекту
Пропрієтарний Compounding Data Engine від Axis забезпечує замкнений цикл — від генерації завдань до збору даних, безперервного навчання моделей і їхньої оптимізації:
Task Gen Engine. Генерує експоненційно різноманітний набір «атомарних» роботизованих завдань завдяки рандомізації об’єктів, просторових конфігурацій, візуальних параметрів, типів роботів та семантики. У результаті кожна окрема траєкторія даних містить вшиту різноманітність.
Браузерна платформа симуляційної телеоперації. Перша у світі повноцінна веб-платформа, яка дає змогу будь-кому віддалено створювати високоякісні траєкторії руху роботів. Axis забезпечує продуктивність, у 10 разів вищу за лабораторні збори даних, і нативно інтегрує людські інтервенції в циклі DAgger (Dataset Aggregation), безперервно «підправляючи» та вдосконалюючи політики роботів.
Мобільний додаток Ego Data Mobile Capture. Переносить збір реальних даних зі складних, дорогих апаратних стендів у формат «нульового порогу входу» — через смартфон. Поєднуючи передові (SOTA) алгоритми трекінгу положення рук у реальному часі з глобальною розподіленою робочою силою, Axis перетворює людське бачення й мануальну спритність на роботизовані траєкторії в глобальному масштабі.
Конвеєр обробки даних. Автоматизує очищення траєкторій, доменну рандомізацію та щільну текстову анотацію, формуючи мультимодальні набори даних, повністю готові до навчання моделей, із понад десятикратним покращенням якості.
Єдина архітектура створює самопідсилювальний «flywheel»-ефект: помилкові траєкторії роботів у реальному світі чи симуляції автоматично запускають людські коригувальні дії. Ці виправлення повертаються в навчальний цикл, розширюючи покриття рідкісних сценаріїв і формуючи «наростальний» інтелект у міру зростання обсягу даних.
Структурні переваги Axis: вертикально інтегрований «двигун різноманіття» та глобальна мережа контрибуторів
Ключова конкурентна перевага Axis — уніфікована платформа, що охоплює весь життєвий цикл фізичного ШІ. На відміну від фрагментованих підходів попередніх поколінь, Axis побудувала вертикально інтегрований двигун, який поєднує широкомасштабний розподілений збір даних для пре-тренінгу з людсько-керованою агрегацією датасетів після навчання.
Спроєктований «з нуля» під максимальне різноманіття, власний Task Generation Engine Axis варіює розкладку об’єктів, освітлення, позиції камер, фізичні властивості й морфологію роботів, формуючи практично нескінченну кількість унікальних сцен і маніпуляційних задач та генеруючи тренувальні дані, готові до узагальнення.
Щоб вийти на масштаби, потрібні для foundation-моделей, Axis вибудувала глобальну інфраструктуру роботизованих даних із понад 100 000 активних контрибуторів, які надсилають дані в середньому 3–4 рази на день. Це одночасно підвищує ефективність виробництва й охоплення різноманітних сценаріїв. Сьогодні Axis здатна щомісяця генерувати понад 1200 годин симуляційних даних і більш як 20 000 годин реальних егоцентричних даних у широкому спектрі кейсів.
Нещодавно компанія представила Sim Dataset V1, результати бенчмарків якого демонструють, що інженерно закладене різноманіття безпосередньо конвертується у приріст продуктивності. На наборі LIBERO-Plus попереднє навчання π0.5 на повністю диверсифікованому датасеті Axis підняло загальний успіх на 4,9 п. і перевершило базовий RoboCasa365 із тим самим обсягом даних на 31,3 п. Покращення простежуються в узагальненні по різних плануваннях простору, стійкості до шумів сенсорів та робастності до зміни пози роботів. Розрив свідчить: перевага Axis походить з пропрієтарного «конвеєра різноманіття», а не просто з більшого обсягу даних.
Комерціалізація та стратегічні партнерства
Axis Robotics швидко монетизує високоякісні тренувальні дані для реальних сценаріїв використання. Компанія постачає кастомізовані «Task Packages» — пакети завдань, адаптовані до потреб виробників робототехнічного обладнання, розробників моделей фізичного ШІ та лідерів у сфері промислової автоматизації.
Перші комерційні угоди вже укладені з Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks та іншими партнерами. Ці колаборації демонструють високий поточний попит ринку на масштабовані, високоточно змодельовані тренувальні роботизовані дані.
Переосмислення загального фізичного інтелекту
«Майбутнє фізичного ШІ залежить від глибокої симбіозу між моделями та даними, — наголошує Кріс. — Статичні датасети не здатні живити загальний роботизований інтелект. Переможним рішенням стане наростальний дата-двигун: вертикально інтегрована система, що поєднує глобальну мережу контрибуторів із безперервною ітерацією моделей. Кожна нова траєкторія й кожне людське виправлення прискорюють прогрес моделей, формуючи самопідсилювальне «коло інтелекту»».
Команда Axis об’єднує провідних дослідників у галузі ШІ та робототехніки з UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU, SJTU та інших топових інституцій. До них долучилися фахівці з growth-стратегій, які раніше масштабували споживчі продукти до більш як 30 млн користувачів по всьому світу.
Новий раунд у $12 млн під проводом Hack VC дозволить Axis Robotics поглибити можливості процедурної генерації, розширити розподілену мережу контрибуторів і закріпити статус критичного дата-двигуна, який живить майбутнє фізичного ШІ.
Linktree | Twitter | Документація | Продукт