Sa tingin ko, ang pinakamagagandang bagay tungkol sa @axisrobotics ay ito ay nagbabago sa ekonomiks ng ano ang maaaring maging isang robotics dataset. Sa tradisyonal, ang pagkuha ng robot data ay nangangahulugan ng pagpapakilala ng mahal na hardware sa isang kontroladong kapaligiran at pagbabayad sa mga tao upang ito ay mag-operate. Nagtatrabaho ito para sa pananaliksik. Ngunit ito ay isang mahirap na pundasyon para sa pagbuo ng malaking variyasyon ng karanasan na kailangan ng mga pangkalahatang layunin na robot. Ang Axis ay gumagamit ng iba’t ibang pagkakataon: gawing muling gamitin ang imprastruktura ng pagkuha. Isang sistema ang naglalikha ng mga gawain. Ang isa pang sistema ay nagpapahintulot sa mga tao na kumuha ng mga demo sa simulation. Ang egocentric app ay nagdaragdag ng tao aktibidad mula sa totoong mundo. Pagkatapos, ang isang pinagsama-samang pipeline ay binabago ang mga input na iyon sa data na handa para sa pagtuturo. Ang nagiging kapanipaniwala sa akin ay na ang parehong imprastruktura ay maaaring maglingkod sa iba’t ibang pangangailangan sa data nang hindi muling binubuo ang buong proseso mula sa simula. Ang isang bagong gawain ay hindi kinakailangan na magkaroon ng bagong laboratorio. Ang isang bagong pinagkukunan ng pagkuha ay hindi kinakailangan na magkaroon ng bagong pipeline. At ang isang pagkabigo sa patakaran ay maaaring maging dahilan upang lumikha ng mga bagong gawain kaysa magiging isa pang nabigo na eksperimento. Sa akin, iyon ang mas malaking ideya sa likod ng Axis: Hindi isang platform na nagkukuha ng data para sa mga robot, kundi isang sistema na disenyo upang patuloy na maglilikha ng data na hindi pa natututunan ng mga robot. Kung ito ay magtatagumpay, ang totoong produkto ay ang kakayahan na patuloy na palawakin kung ano ang kayang gawin ng mga makina. Personal lamang ang pananaw, hindi payo sa pag-invest.