Physical AI 面臨一個未受足夠關注的數據問題。 當機器人仍需大量真實世界互動數據來學習應對不同情境時，更好的模型和更強的硬體僅能發揮有限作用。 這正是 @axisrobotics 引起我注意的原因。 Axis Franka 數據集在 Hugging Face 上的下載量已超過 160K，並被學術界與產業界廣泛採用，包括 KAIST、西北大學、清華大學，以及 Yandex、Nota AI 和越南郵電集團。 而下一個版本將更進一步： 120 萬條軌跡 1,200 個任務 更廣泛的原子能力 支援更多機器人本體 有趣之處不僅在於軌跡數量從 160K 增加到 1.2M。 機器人不僅需要更多相同動作的範例。 它們需要在不同物體、環境、動作和邊界情況中，看到相同的基礎技能。 正是這種多樣性，幫助模型從「我以前看過這個」轉變為真正理解任務的運作方式。 因此，當數據集持續擴展任務覆蓋範圍與變化時，它開始超越靜態示範集合。 它成為訓練下一代物理 AI 的基礎設施。 這正是 Axis 似乎正朝著其 Franka 數據集下一代發展的方向。 https://t.co/7yFTIktZUz