Physical AI không thiếu mô hình; nó thiếu kinh nghiệm. Đó là lý do @axisrobotics xứng đáng được chú ý nhiều hơn chỉ một cái liếc qua. Vấn đề không phải là làm cho robot “thông minh” hơn. Vấn đề là robot chưa từng tiếp xúc đủ với các tình huống thực tế để học hỏi. Các phòng thí nghiệm thì đầy rẫy, nhưng cánh tay robot thực tế lại hiếm hoi. Nếu dữ liệu chỉ được tinh luyện trong môi trường phòng thí nghiệm, Physical AI sẽ mãi là sản phẩm của một nhóm nhỏ người vận hành, chứ không phải của một lực lượng lao động rộng lớn. Axis đảo ngược kịch bản. Bạn không cần một robot để dạy một robot. Một giao diện trình duyệt đã đủ để tạo ra các quỹ đạo và truyền tín hiệu vào vòng lặp học tập. Phần thú vị không nằm ở thao tác bản thân; nó xảy ra sau đó: quỹ đạo được lọc, xác minh và phê duyệt, biến nó thành tín hiệu để huấn luyện. Tạo dữ liệu thì dễ; biến dữ liệu đó thành kinh nghiệm thực sự mới là thách thức thực sự. Vòng lặp thực sự không chỉ là khẩu hiệu “Tạo → Xác minh → Học → Cải thiện.” Vòng lặp thực sự bao gồm con người khởi động hành động thông qua giao diện quen thuộc, máy móc ghi lại chuyển động, hệ thống loại bỏ nhiễu, nguồn gốc được ghi lại trên chuỗi, học chính sách diễn ra, và con người quay lại sửa lỗi chính sách. Nếu thiếu liên kết cuối cùng này, bộ sưu tập 3,7 triệu quỹ đạo chỉ là một kho chứa các chuyển động. Nhưng với liên kết đó, mỗi lần chạy 40 giây đều góp phần tăng trí thông minh thực sự cho robot. Đối với Axis, câu hỏi giờ đây không còn là có thể tạo ra bao nhiêu quỹ đạo. Mà là có bao nhiêu đường đi vượt qua xác minh, bao nhiêu điều chỉnh giải quyết đúng những điểm thất bại thực sự, và bao nhiêu kinh nghiệm thật sự giúp robot hiểu thế giới — chứ không chỉ đơn thuần ghi nhớ các cảnh quay từ trình duyệt.