A Physical AI tem um problema de dados que não recebe atenção suficiente. Modelos melhores e hardware mais avançado têm limites quando robôs ainda precisam de grandes quantias de dados de interação no mundo real para aprender a lidar com diferentes situações. Foi aí que o @axisrobotics chamou minha atenção. O Axis Franka Dataset já ultrapassou 160 mil downloads no Hugging Face, com adoção na academia e na indústria, desde KAIST, Northwestern e Tsinghua até Yandex, Nota AI e Vietnam Posts and Telecommunications Group. E a próxima versão vai muito mais longe: 1,2 milhão de trajetórias 1.200 tarefas capacidades atômicas mais amplas suporte para mais tipos de embodiements robóticos A parte interessante não é simplesmente o salto de 160 mil para 1,2 milhão de trajetórias. Robôs não precisam apenas de mais exemplos da mesma ação. Eles precisam ver a mesma habilidade subjacente em diferentes objetos, ambientes, movimentos e casos extremos. Essa variedade é o que permite a um modelo passar de “Já vi isso antes” para realmente entender como uma tarefa funciona. Portanto, quando um conjunto de dados continua expandindo sua cobertura e variação de tarefas, ele começa a se tornar mais do que uma coleção estática de demonstrações. Ele se torna infraestrutura para treinar a próxima geração de Physical AI. Essa é a direção que a Axis parece estar impulsionando com a próxima geração do seu dataset Franka. https://t.co/7yFTIktZUz