Axis Robotics, une entreprise qui développe ce qu’elle décrit comme un moteur de données cumulatif pour la Physical AI, a indiqué avoir levé 12 millions de dollars lors d’un tour de financement d’amorçage mené par Hack VC. Nomad Capital, Pi Network Ventures, 10K Ventures et plusieurs investisseurs providentiels ont également participé à ce tour.

L’entreprise a déclaré que ce capital soutiendra ses efforts pour construire un moteur mondial de données massivement parallèle, avec supervision humaine, conçu pour répondre à ce qu’elle présente comme un goulot d’étranglement majeur pour la Physical AI : la génération à grande échelle de données d’entraînement robotiques structurées et très diversifiées. Pour les systèmes robotiques, ces données doivent saisir non seulement ce qu’un modèle voit, mais aussi la manière dont les actions physiques se déroulent à travers les objets, les environnements, les capteurs et les corps robotiques.

Répondre au goulot d’étranglement des données en Physical AI

Axis Robotics a indiqué que la Physical AI est confrontée à trois obstacles majeurs, différents de l’environnement de données utilisé pour entraîner les Large Language Models. Alors que les Large Language Models peuvent monter en puissance grâce à des milliers de milliards de tokens issus de données Internet préexistantes, la Physical AI doit faire face à une forte rareté des données, à un écart de généralisation et à une fragmentation de l’incarnation entre différents types de matériel robotique.

« Physical AI demands billions of human-physical interaction motion trajectories,” said Chris, Founder of Axis Robotics. “For years the industry lacked an efficient, infinitely scalable hybrid data production system which can help models iterate effortlessly – and that’s exactly what we built with Axis, a compounding data engine. »

L’approche d’Axis pour l’intelligence robotique générale

Axis a déclaré que son moteur de données cumulatif propriétaire fournit un flux de travail de bout en bout combinant génération de tâches, capture de données, entraînement continu des modèles et optimisation.

Le Task Gen Engine de l’entreprise génère des tâches robotiques atomiques diversifiées grâce à une randomisation portant sur les objets, les configurations spatiales, les éléments visuels, les incarnations robotiques et la sémantique. Axis affirme que cette approche intègre la diversité dans chaque trajectoire de données.

Sa Browser-Based Sim Teleoperation Platform est décrite par l’entreprise comme la première interface web au monde permettant aux utilisateurs de générer à distance des trajectoires de mouvement robotique de haute qualité. Axis indique que la plateforme offre un débit 10x supérieur à celui de la collecte en laboratoire et intègre des boucles d’intervention DAgger, ou Dataset Aggregation, avec validation humaine afin d’affiner et de corriger en continu les politiques robotiques.

L’Ego Data Mobile Capture App est conçue pour déplacer la capture de données réelles depuis des installations coûteuses et lourdes en matériel vers une application mobile sans barrière d’entrée. Axis indique que l’application associe un suivi de pose de la main en temps réel de pointe, ou SOTA, à une main-d’œuvre mondiale, traduisant la vision et la dextérité humaines en mouvement robotique à l’échelle mondiale.

Le Data Processing Pipeline d’Axis automatise le nettoyage des trajectoires, la randomisation de domaine et l’annotation linguistique dense, produisant des jeux de données multimodaux prêts pour les modèles avec une qualité de données améliorée de plus de 10x, selon l’entreprise.

Axis a déclaré que cette architecture unifiée crée un volant d’entraînement auto-renforçant. Les trajectoires robotiques échouées issues de déploiements réels ou en simulation déclenchent une intervention corrective humaine, qui est ensuite réinjectée dans l’entraînement afin d’élargir la couverture des cas limites. L’entreprise affirme que ce processus crée une intelligence cumulative à mesure que le volume de données augmente.

Une infrastructure de données verticalement intégrée

Axis estime que son principal avantage réside dans une plateforme unifiée couvrant l’ensemble du cycle de vie de la Physical AI. Contrairement à ce qu’elle décrit comme des approches traditionnelles fragmentées, l’entreprise indique avoir construit un moteur verticalement intégré qui combine une collecte distribuée de données de pré-entraînement à grande échelle avec une Dataset Aggregation post-entraînement, en temps réel et avec validation humaine.

Conçu pour la diversité des données, le Task Generation Engine propriétaire d’Axis randomise les configurations d’objets, l’éclairage, les poses de caméra, les propriétés physiques et les morphologies robotiques. L’entreprise indique que cela crée en continu des scènes et des tâches de manipulation uniques, et produit des données d’entraînement pensées pour la généralisation.

Pour soutenir des données diversifiées à l’échelle des modèles de fondation, Axis affirme avoir établi une infrastructure mondiale de données robotiques comptant plus de 100 000 contributeurs actifs. Selon l’entreprise, ces contributeurs soumettent des données en moyenne 3 à 4 fois par jour, ce qui accroît à la fois l’efficacité de production et la couverture de la diversité.

Axis indique pouvoir actuellement générer chaque mois plus de 1 200 heures de données de simulation et plus de 20 000 heures de données égocentriques réelles dans divers scénarios.

L’entreprise a récemment lancé Sim Dataset V1 et affirme que les résultats de référence montrent que la diversité conçue de manière intentionnelle produit des gains de performance mesurables. Sur LIBERO-Plus, le pré-entraînement de π0.5 sur le jeu de données entièrement diversifié d’Axis a amélioré le taux de réussite global de 4.9 points et dépassé de 31.3 points une référence RoboCasa365 à volume équivalent. Axis indique que les gains incluaient la généralisation des configurations, la résilience au bruit des capteurs et la robustesse des poses robotiques. L’entreprise affirme que ces résultats montrent que son avantage provient de son pipeline propriétaire de diversité, plutôt que de la seule augmentation de l’échelle des données.

Commercialisation et partenariats

Axis Robotics a indiqué commercialiser ses données d’entraînement pour des déploiements réels au moyen de « Task Packages » personnalisés, adaptés aux fabricants de matériel robotique, aux entreprises développant des modèles de Physical AI et aux acteurs de l’automatisation industrielle.

L’entreprise a déclaré avoir déjà établi des partenariats commerciaux initiaux avec Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks et d’autres sociétés. Axis estime que ces collaborations démontrent la demande du marché pour des données d’entraînement robotiques évolutives et à haute fidélité.

Construire une intelligence physique générale

« The future of Physical AI hinges on deep symbiosis between models and data,” said Chris. “Static datasets cannot power general robotic intelligence. The winning solution is a compounding data engine: a vertically integrated system linking a global contributor network with constant model iteration. Every diverse trajectory and human correction fuels faster model improvement, forming a self-reinforcing intelligence flywheel. »

Axis indique que son équipe comprend des chercheurs en IA et en robotique issus d’institutions telles que UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU et SJTU, ainsi que des spécialistes de la croissance ayant précédemment porté des produits grand public à plus de 30 millions d’utilisateurs dans le monde.

Grâce à ce tour d’amorçage de 12 millions de dollars mené par Hack VC, Axis Robotics prévoit d’étendre ses capacités de génération procédurale, de développer son réseau distribué de contributeurs et de renforcer son rôle de moteur de données pour la Physical AI. Le prochain test pour l’entreprise sera de déterminer si son infrastructure de données peut continuer à transformer des données de mouvement humain simulées et égocentriques en actifs d’entraînement prêts au déploiement pour des clients travaillant sur différentes incarnations robotiques et différents cas d’usage industriels.