Axis Robotics, накопичувальний рушій даних, що прискорює фізичний ШІ (Physical AI), оголошує про залучення $12 млн у межах посівного раунду під керівництвом Hack VC за участю Nomad Capital, Pi Network Ventures, 10K Ventures та низки бізнес-ангелів.

Фінансування прискорить реалізацію місії Axis зі створення масово-паралельного глобального рушія даних із участю людини в контурі, що розв'язує головну проблему фізичного ШІ: масштабовану генерацію структурованих і максимально різноманітних даних для навчання роботів.

Розв'язання проблеми дефіциту даних у фізичному ШІ

Тоді як великі мовні моделі масштабуються на трильйонах токенів уже наявних інтернет-даних, фізичний ШІ стикається з трьома серйозними бар'єрами: гострим дефіцитом даних, розривом в узагальненні та фрагментацією за типами втілення на різному роботизованому обладнанні.

«Фізичному ШІ потрібні мільярди траєкторій руху при взаємодії людини з фізичним світом, — сказав Кріс, засновник Axis Robotics. — Роками індустрії бракувало ефективної, нескінченно масштабованої гібридної системи виробництва даних, яка дозволяла б моделям без зусиль удосконалюватися, — і саме це ми створили з Axis, накопичувальним рушієм даних».

Як Axis посилює загальний інтелект роботів

Власний накопичувальний рушій даних Axis забезпечує наскрізний робочий процес, що об'єднує генерацію задач, збір даних, безперервне навчання моделей та оптимізацію:

Рушій генерації задач (Task Gen Engine): створює експоненційно різноманітні атомарні роботизовані задачі завдяки рандомізації об'єктів, просторових компонувань, візуальних елементів, втілень роботів і семантики, вбудовуючи різноманітність у кожну окрему траєкторію даних;

Платформа симуляційної телеоперації у браузері: перший у світі вебінтерфейс, що дозволяє будь-кому віддалено генерувати високоякісні траєкторії руху роботів. Axis забезпечує у 10 разів вищу пропускну здатність порівняно з лабораторним збором і безперешкодно інтегрує контрольовані людиною цикли втручання DAgger (Dataset Aggregation) для безперервного уточнення й коригування політик роботів;

Мобільний застосунок Ego Data для збору даних: переносить збір даних з реального світу з дорогих, вимогливих до складного обладнання установок у мобільний застосунок із нульовим порогом входу. Поєднуючи передове (SOTA) відстеження пози рук у реальному часі з глобальною робочою силою, Axis перекладає людський зір і спритність рук у рухи роботів у глобальному масштабі;

Конвеєр обробки даних: автоматизує очищення траєкторій, доменну рандомізацію та щільну мовну розмітку, видаючи готові для моделей мультимодальні набори даних із понад 10-кратним поліпшенням якості даних.

Єдина архітектура створює самопідсилювальний маховик: невдалі траєкторії роботів із реального чи симуляційного розгортання запускають коригувальне втручання людини, яке повертається в навчання для розширення охоплення межових випадків, формуючи накопичувальний інтелект у міру зростання обсягу даних.

Структурні переваги Axis: вертикально інтегрований рушій різноманітності та глобальна мережа учасників

Ключова перевага Axis — єдина платформа, що охоплює весь життєвий цикл фізичного ШІ. На відміну від традиційних фрагментованих підходів, Axis побудувала вертикально інтегрований рушій, що об'єднує масштабний розподілений збір даних для попереднього навчання та контрольовану людиною агрегацію наборів даних (Dataset Aggregation) у реальному часі на етапі донавчання.

Первісно створений для різноманітності даних, власний рушій генерації задач Axis рандомізує компонування об'єктів, освітлення, положення камер, фізичні властивості та морфологію роботів, створюючи нескінченну множину унікальних сцен і задач маніпуляції та видаючи навчальні дані, готові до узагальнення.

Щоб забезпечити різноманітність даних масштабу фундаментальних моделей, Axis створила глобальну інфраструктуру роботизованих даних із понад 100 000 активних учасників, які в середньому надсилають дані 3–4 рази на день, що максимізує як ефективність виробництва, так і охоплення різноманітності. Сьогодні Axis здатна щомісяця генерувати понад 1200 годин симуляційних даних і понад 20 000 годин реальних егоцентричних даних у найрізноманітніших сценаріях.

Нещодавно Axis випустила Sim Dataset V1, і результати бенчмарків показують, що інженерно закладена різноманітність дає вимірний приріст продуктивності. На LIBERO-Plus попереднє навчання π0.5 на повністю диверсифікованому наборі даних Axis підвищило загальний показник успіху на 4,9 пункта, перевершивши зіставну за обсягом базову модель RoboCasa365 на 31,3 пункта, з приростом в узагальненні компонувань, стійкості до сенсорного шуму та робастності до пози робота. Цей розрив демонструє, що перевага Axis зумовлена її власним конвеєром різноманітності, а не просто більшим обсягом даних.

Комерціалізація та стратегічні партнерства

Axis Robotics стрімко комерціалізує свої високоякісні навчальні дані для застосування в реальному світі. Компанія надає індивідуальні «пакети задач» (Task Packages), адаптовані під конкретні потреби виробників роботизованого обладнання, компаній, що розробляють моделі фізичного ШІ, та лідерів промислової автоматизації.

Початкові комерційні партнерства вже встановлені з компаніями, зокрема Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks та іншими. Ці співпраці підкреслюють негайний ринковий попит на масштабовані високоточні дані для навчання роботів.

Переосмислення загального фізичного інтелекту

«Майбутнє фізичного ШІ залежить від глибокого симбіозу моделей і даних, — сказав Кріс. — Статичні набори даних не здатні забезпечити загальний інтелект роботів. Виграшне рішення — накопичувальний рушій даних: вертикально інтегрована система, що пов'язує глобальну мережу учасників із постійною ітерацією моделей. Кожна різноманітна траєкторія та людське коригування прискорюють удосконалення моделі, формуючи самопідсилювальний маховик інтелекту».

Компанію рухає команда світового рівня, що об'єднує провідних дослідників у галузі ШІ та робототехніки з елітних установ, таких як Каліфорнійський університет у Берклі, Університет Карнегі — Меллона, Технологічний інститут Джорджії, NTU та SJTU, а також рост-хакерів, які раніше масштабували споживчі продукти до понад 30 млн користувачів у всьому світі.

Завдяки цьому раунду фінансування на $12 млн під керівництвом Hack VC Axis Robotics продовжить розширювати свої можливості процедурної генерації, масштабувати розподілену мережу учасників і зміцнювати свою позицію як критично важливого рушія даних, що живить майбутнє фізичного ШІ.

Linktree | Twitter | Doc | Product

Джерело: BeInCrypto