@axisrobotics の最も興味深い点は、ロボティクスデータセットがどのような経済的価値を持ち得るかを変える点にある。 従来、ロボットデータを収集するには、高価なハードウェアを制御された環境に設置し、操作する人間に報酬を支払う必要があった。 これは研究には有効だが、汎用ロボットに必要な膨大な経験の多様性を構築するための基盤としては困難だ。 Axisは異なるアプローチを採っている：収集インフラを再利用可能にする。 1つのシステムがタスクを生成し、別のシステムがシミュレーション内でデモを収集できるようにする。エゴセントリックアプリは現実世界の人間の行動を追加し、その後、統合されたパイプラインがこれらの入力を学習用データに変換する。 私が魅力的に感じる点は、同じインフラで異なるデータ要件に対応でき、プロセス全体を一から再構築する必要がないということだ。 新しいタスクが必ずしも新しいラボを必要としない。 新しい収集ソースが必ずしも新しいパイプラインを必要としない。 そして、ポリシーの失敗は単なる失敗実験ではなく、新たなタスクを生成するきっかけになる。 私にとって、Axisの本質的なアイデアは次の通りだ： ロボット用のデータを収集するプラットフォームではなく、ロボットがまだ学習していないデータを継続的に生み出すように設計されたシステム。 これが実現すれば、真の製品は、機械が行えることを継続的に拡張する能力になる。 あくまで個人的な見解であり、投資アドバイスではありません。