Physical AI memiliki masalah data yang tidak mendapat cukup perhatian. Model yang lebih baik dan perangkat keras yang lebih canggih hanya sebatas itu ketika robot masih membutuhkan jumlah data interaksi dunia nyata yang sangat besar untuk belajar menangani berbagai situasi. Di sinilah @axisrobotics menarik perhatian saya. Axis Franka Dataset kini telah melewati 160K+ unduhan di Hugging Face, dengan adopsi di kalangan akademik dan industri dari KAIST, Northwestern, dan Tsinghua hingga Yandex, Nota AI, dan Vietnam Posts and Telecommunications Group. Dan versi berikutnya akan melangkah jauh lebih jauh: 1,2 juta trajektori 1.200 tugas kemampuan atomik yang lebih luas dukungan untuk lebih banyak bentuk robot Bagian yang menarik bukan sekadar lonjakan dari 160K menjadi 1,2 juta trajektori. Robot tidak hanya membutuhkan lebih banyak contoh tindakan yang sama. Mereka perlu melihat keterampilan dasar yang sama di berbagai objek, lingkungan, gerakan, dan kasus ekstrem. Variasi inilah yang membantu model berpindah dari “Saya pernah melihat ini sebelumnya” menjadi benar-benar memahami bagaimana suatu tugas bekerja. Jadi, ketika sebuah dataset terus memperluas cakupan dan variasi tugasnya, ia mulai menjadi lebih dari sekadar kumpulan demonstrasi statis. Ia menjadi infrastruktur untuk melatih generasi berikutnya dari Physical AI. Itulah arah yang tampaknya sedang diperjuangkan Axis dengan generasi berikutnya dari dataset Franka-nya. https://t.co/7yFTIktZUz