Physical AI tiene un problema de datos que no recibe suficiente atención. Modelos más avanzados y hardware mejorado solo llegan hasta cierto punto cuando los robots aún necesitan cantidades masivas de datos de interacción en el mundo real para aprender a manejar diferentes situaciones. Aquí es donde @axisrobotics llamó mi atención. El Axis Franka Dataset ya ha superado las 160K+ descargas en Hugging Face, con adopción en la academia y la industria, desde KAIST, Northwestern y Tsinghua hasta Yandex, Nota AI y Vietnam Posts and Telecommunications Group. Y la próxima versión irá mucho más lejos: 1.2M trayectorias 1.200 tareas capacidades atómicas más amplias soporte para más formas de robot Lo interesante no es simplemente el salto de 160K a 1.2M trayectorias. Los robots no solo necesitan más ejemplos de la misma acción. Necesitan ver la misma habilidad subyacente en diferentes objetos, entornos, movimientos y casos límite. Esa variedad es lo que permite que un modelo pase de “ya he visto esto antes” a comprender realmente cómo funciona una tarea. Por lo tanto, cuando un conjunto de datos sigue ampliando su cobertura y variación de tareas, empieza a convertirse en algo más que una colección estática de demostraciones. Se convierte en infraestructura para entrenar a la próxima generación de AI física. Esa es la dirección hacia la que Axis parece estar impulsando con la próxima generación de su conjunto de datos Franka. https://t.co/7yFTIktZUz