Axis Robotics 获得1200万美元融资，以构建加速物理人工智能的复合数据引擎

Axis Robotics，这个加速物理人工智能的复合数据引擎，宣布已在由Hack VC主导的种子轮融资中筹集了1200万美元，参与者包括Nomad Capital、Pi Network Ventures、10K Ventures以及多位天使投资人。

这笔资金将加速Axis的使命，构建一个大规模并行的人机交互全球数据引擎，解决物理人工智能最大的痛点：可扩展生成结构化、高度多样化的机器人训练数据。

解决物理人工智能中的数据瓶颈

虽然大型语言模型在数万亿个现有互联网数据的基础上扩展，但物理人工智能面临三个重要障碍：严重的数据稀缺、泛化差距以及不同机器人硬件之间的体现碎片化。

“物理人工智能需要数十亿个人与物理交互的运动轨迹，”Axis Robotics的创始人Chris说。“多年来，行业缺乏一个高效、无限可扩展的混合数据生产系统，能够帮助模型轻松迭代——而这正是我们与Axis一起构建的复合数据引擎。”

Axis如何赋能通用机器人智能

Axis的专有复合数据引擎提供了一个端到端的工作流程，集成了任务生成、数据捕获、持续模型训练和优化：

任务生成引擎通过在对象、空间布局、视觉、机器人体现和语义之间的随机化，生成指数级多样化的原子机器人任务，将多样性嵌入每一个数据轨迹；

基于浏览器的模拟遥操作平台：世界上第一个基于网络的界面，使任何人都能远程生成高质量的机器人运动轨迹。Axis 的吞吐量比实验室收集高出 10 倍，并无缝集成人工干预的 DAgger（数据集聚合）循环，以持续优化和修正机器人策略；

自我数据移动捕捉应用将现实世界的数据捕捉从昂贵、硬件密集的设置转变为零障碍的移动应用。通过将最先进的实时手势跟踪与全球劳动力相结合，Axis 将人类的视觉和灵巧性转化为全球范围内的机器人运动；

数据处理管道自动化轨迹清理、领域随机化和密集语言注释，输出模型就绪的多模态数据集，数据质量提高超过 10 倍。

统一架构创建了一个自我强化的飞轮：来自真实/模拟部署的失败机器人轨迹触发人类纠正干预，这反馈到训练中以扩展边缘案例覆盖，随着数据量的增长，创造复合智能。

Axis 的结构护城河：垂直整合的多样性引擎和全球贡献者网络

Axis的核心优势在于其统一的平台，涵盖了物理人工智能的整个生命周期。与传统的碎片化方法不同，Axis构建了一个垂直整合的引擎，结合了大规模分布式预训练数据收集和实时人工审核的数据集聚合后处理。

Axis专为数据多样性而构建的专有任务生成引擎随机化对象布局、光照、相机姿态、物理属性和机器人形态，创造出无尽的独特场景和操作任务，输出适合泛化的训练数据。

为了提供基础模型规模的多样化数据，Axis建立了一个全球机器人数据基础设施，拥有超过100,000名活跃贡献者，他们平均每天提交3到4次，这最大化了生产效率和多样性覆盖。如今，Axis每月可以生成超过1,200小时的模拟数据和20,000小时以上的现实世界自我中心数据，涵盖多种场景。

Axis 最近推出了 Sim Dataset V1，基准结果显示工程化多样性带来了可衡量的性能提升。在 LIBERO-Plus 上，基于 Axis 完全多样化数据集的预训练 π0.5 使整体成功率提高了 4.9 个百分点，超越了与之匹配的 RoboCasa365 基线 31.3 个百分点，在布局泛化、传感器噪声抗干扰能力和机器人姿态鲁棒性方面均有所提升。这一差距表明，Axis 的优势来自其专有的多样性管道，而不仅仅是数据规模的扩大。

商业化与战略合作伙伴关系

Axis Robotics 正在快速商业化其高质量的训练数据，以便于实际部署。该公司提供定制的“任务包”，以满足机器人硬件制造商、物理 AI 模型公司和工业自动化领导者的特定需求。

初步商业合作伙伴关系已经与包括 Booster Robotics、Manycore Tech、Feagine Robotics、Dexmal、Lotus Car、Geely Auto、SomaStacks 等公司建立。这些合作突显了对可扩展、高保真机器人训练数据的即时市场需求。

重新定义一般物理智能

“物理人工智能的未来依赖于模型与数据之间的深度共生，”克里斯说。“静态数据集无法驱动通用机器人智能。获胜的解决方案是一个复合数据引擎：一个垂直整合的系统，将全球贡献者网络与不断的模型迭代连接起来。每一个多样化的轨迹和人类修正都推动模型更快改进，形成一个自我强化的智能飞轮。”

该公司由一支世界级团队驱动，团队结合了来自加州大学伯克利分校、卡内基梅隆大学、乔治亚理工学院、南洋理工大学和上海交通大学等顶尖机构的AI和机器人研究人员，以及曾将消费产品扩展到超过3000万全球用户的增长黑客。

在Hack VC主导的1200万美元融资轮中，Axis Robotics将进一步扩展其程序生成能力，扩大其分布式贡献者网络，并巩固其作为推动物理人工智能未来的关键数据引擎的地位。

Linktree | Twitter | Doc | Product

来源：BeInCrypto