У Physical AI есть проблема с данными, которой уделяют недостаточно внимания. Лучшие модели и более мощное оборудование имеют ограниченный потенциал, если роботы всё ещё нуждаются в огромных объёмах данных о взаимодействии с реальным миром, чтобы научиться справляться с различными ситуациями. Вот здесь меня заинтересовала @axisrobotics. Набор данных Axis Franka уже превысил 160 000 загрузок на Hugging Face, и его активно используют как в академической среде, так и в промышленности — от KAIST, Northwestern и Tsinghua до Yandex, Nota AI и Vietnam Posts and Telecommunications Group. А следующая версия пойдёт ещё дальше: 1,2 млн траекторий 1 200 задач более широкий набор базовых возможностей поддержка большего количества типов робототехнических платформ Интересно не просто увеличение с 160 000 до 1,2 млн траекторий. Роботам нужны не просто дополнительные примеры одного и того же действия. Им нужно видеть одну и ту же базовую навыковую компетенцию в разных объектах, средах, движениях и крайних случаях. Это разнообразие помогает модели перейти от «я уже это видел» к настоящему пониманию того, как работает задача. Поэтому, когда набор данных продолжает расширять охват задач и их вариативность, он перестаёт быть просто статичной коллекцией демонстраций. Он становится инфраструктурой для обучения следующего поколения физического ИИ. Это именно то направление, в котором Axis, похоже, движется с новым поколением своего набора данных Franka. https://t.co/7yFTIktZUz