Axis Robotics, le moteur de données cumulatives accélérant l'IA physique, annonce avoir levé 12 millions de dollars lors d'un tour de financement initial dirigé par Hack VC, avec la participation de Nomad Capital, Pi Network Ventures, 10K Ventures et divers investisseurs providentiels.
Ce financement accélérera la mission d'Axis de construire un moteur de données mondial massivement parallèle, avec un humain dans la boucle, résolvant le plus grand point de douleur de l'IA physique : la génération évolutive de données d'entraînement robotiques structurées et hautement diversifiées.
Résoudre le goulot d'étranglement des données dans l'IA physique
Alors que les grands modèles de langage se développent sur des trillions de tokens de données internet préexistantes, l'IA physique fait face à trois barrières importantes : une grave pénurie de données, un écart de généralisation et une fragmentation de l'incarnation à travers différents matériels robotiques.
« L'IA physique exige des milliards de trajectoires de mouvement d'interaction humaine-physique », a déclaré Chris, fondateur d'Axis Robotics. « Pendant des années, l'industrie a manqué d'un système de production de données hybride efficace et infiniment évolutif qui puisse aider les modèles à itérer sans effort – et c'est exactement ce que nous avons construit avec Axis, un moteur de données cumulatives. »
Comment Axis renforce l'intelligence générale des robots
Le moteur de données cumulatives propriétaire d'Axis fournit un flux de travail de bout en bout intégrant la génération de tâches, la capture de données, l'entraînement continu des modèles et l'optimisation :
Moteur de génération de tâches: Génère des tâches robotiques atomiques exponentiellement diverses via la randomisation à travers des objets, des agencements spatiaux, des visuels, des incarnations robotiques et des sémantiques, intégrant la diversité dans chaque trajectoire de données unique ;
Plateforme de téléopération Sim basée sur le navigateur : La première interface web au monde qui permet à quiconque de générer des trajectoires de mouvement robotiques de haute qualité à distance. Axis offre un débit 10 fois supérieur à celui de la collecte en laboratoire et intègre sans effort des boucles d'intervention DAgger (Agrégation de jeux de données) contrôlées par l'humain pour affiner et corriger en continu les politiques robotiques ;
Application mobile de capture de données Ego: Déplace la capture de données du monde réel d'installations coûteuses et lourdes en matériel vers une application mobile sans barrières. En associant un suivi de pose de main en temps réel à la pointe de la technologie (SOTA) avec une main-d'œuvre mondiale, Axis traduit la vision et la dextérité humaines en mouvement robotique à l'échelle mondiale ;
Pipeline de traitement des données: Automatise le nettoyage des trajectoires, la randomisation de domaine et l'annotation linguistique dense, produisant des ensembles de données multimodales prêts pour les modèles avec une qualité de données améliorée de plus de 10 fois.
L'architecture unifiée crée un flywheel auto-renforçant : les trajectoires robotiques échouées provenant du déploiement réel/simulent déclenchent une intervention corrective humaine, qui alimente à nouveau l'entraînement pour élargir la couverture des cas extrêmes, créant une intelligence cumulative à mesure que le volume de données augmente.
Les fossés structurels d'Axis : un moteur de diversité intégré verticalement et un réseau de contributeurs mondial
L'atout principal d'Axis est sa plateforme unifiée qui couvre l'ensemble du cycle de vie de l'IA physique. Contrairement aux approches traditionnelles fragmentées, Axis a construit un moteur intégré verticalement qui unit la collecte de données de pré-entraînement distribuées à grande échelle et l'agrégation de jeux de données contrôlée par des humains en temps réel après l'entraînement.
Conçu nativement pour la diversité des données, le moteur de génération de tâches propriétaire d'Axis randomise les agencements d'objets, l'éclairage, les poses de caméra, les propriétés physiques et les morphologies de robots, créant ainsi d'innombrables scènes uniques et tâches de manipulation, produisant des données d'entraînement prêtes à la généralisation.
Pour fournir des données diversifiées à l'échelle des modèles fondamentaux, Axis a établi une infrastructure de données robotiques mondiale avec plus de 100 000 contributeurs actifs qui soumettent en moyenne 3 à 4 fois par jour, maximisant ainsi à la fois l'efficacité de production et la couverture de diversité. Aujourd'hui, Axis peut générer plus de 1 200 heures de données de simulation et plus de 20 000 heures de données égo-centrées du monde réel à travers divers scénarios chaque mois.
Axis a récemment lancé le Sim Dataset V1, avec des résultats de référence montrant que la diversité ingénierie offre des gains de performance mesurables. Sur LIBERO-Plus, le préentraînement π0.5 sur le jeu de données entièrement diversifié d'Axis a amélioré le succès global de 4,9 points, surpassant une base de référence RoboCasa365 de volume équivalent de 31,3 points, avec des gains en généralisation de mise en page, résilience au bruit des capteurs et robustesse de la pose du robot. Cet écart démontre que l'avantage d'Axis provient de son pipeline de diversité propriétaire - pas simplement d'une échelle de données plus grande.
Commercialisation et Partenariats Stratégiques
Axis Robotics commercialise rapidement ses données d'entraînement de haute qualité pour un déploiement dans le monde réel. L'entreprise propose des « Paquets de Tâches » personnalisés adaptés aux besoins spécifiques des fabricants de matériel robotique, des entreprises de modèles d'IA physique et des leaders de l'automatisation industrielle.
Des partenariats commerciaux initiaux ont déjà été établis avec des entreprises telles que Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks et d'autres. Ces collaborations mettent en évidence la demande immédiate du marché pour des données d'entraînement robotiques évolutives et de haute fidélité.
Redéfinir l'Intelligence Physique Générale
« L'avenir de l'IA physique repose sur une symbiose profonde entre les modèles et les données », a déclaré Chris. « Les ensembles de données statiques ne peuvent pas alimenter une intelligence robotique générale. La solution gagnante est un moteur de données cumulatif : un système intégré verticalement reliant un réseau mondial de contributeurs avec une itération constante des modèles. Chaque trajectoire diversifiée et correction humaine alimente une amélioration plus rapide des modèles, formant un volant d'intelligence auto-renforçant. »
L'entreprise est animée par une équipe de classe mondiale combinant des chercheurs en IA et en robotique de premier plan issus d'institutions d'élite telles que UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU et SJTU, aux côtés de hackers de croissance qui ont précédemment développé des produits de consommation à plus de 30 millions d'utilisateurs dans le monde.
Avec ce tour de financement de 12 millions de dollars dirigé par Hack VC, Axis Robotics va élargir ses capacités de génération procédurale, développer son réseau distribué de contributeurs et consolider sa position en tant que moteur de données critique alimentant l'avenir de l'IA physique.
Linktree | Twitter | Doc | Produit
Source : BeInCrypto
