我認為 @axisrobotics 最有趣之處，在於它改變了機器人數據集所能成為的經濟模式。 傳統上，收集機器人數據意味著將昂貴的硬體置於受控環境中，並支付人員來操作它。 這對於研究來說是有效的。 但這難以為通用機器人所需的龐大經驗多樣性奠定基礎。 Axis 採取了不同的方法：讓數據收集基礎設施可重複使用。 一個系統生成任務，另一個系統讓人們在模擬中收集示範，而以第一人稱視角為主的應用程式則從現實世界中加入人類活動，然後透過統一的流程將這些輸入轉換為可直接用於訓練的數據。 我認為令人信服的是，同一套基礎設施能滿足不同的數據需求，而無需從頭重建整個流程。 新的任務不一定需要新的實驗室。 新的數據來源也不一定需要新的流程。 而策略失敗反而可以成為生成新任務的理由，而不僅僅是另一個失敗的實驗。 對我而言，這正是 Axis 背後更大的理念： 不是一個為機器人收集數據的平台，而是一個專為持續產生機器人尚未學會的數據而設計的系統。 如果這能實現，真正的產品將是持續擴展機器能力的能力。 僅供個人觀點，不構成投資建議。