Partnered With:

具体表现智能「GPT時刻」はすでに目前に迫っていますか？ Axis Roboticsはテストを終了し、Baseチェーン上での展開を発表

この記事を読むのに必要な時間は 22 分

Axis の答えは肯定的です —— 前提として、ロボットデータの大規模生産方法を徹底的に再構築し、物理世界での展開パラダイムを再定義する必要があります。

Article Source: Axis

Axis Robotics はシミュレーション第一戦略に基づき、具体的な知識を持つデータの多様性と大規模生産方法を再構築しています。

2025年には、ロボット産業の複数の技術経路が急速に収束しています：実体ハードウェアのサプライチェーンの商品化により、過去に高価だったプロトタイプが初めて大規模展開可能となりました。視覚-言語-行動（VLA）モデルは、ロボットが意味を理解し、推論し、計画する「脳」をもたらします。また、ビデオプライヤからシミュレーションシンセティックスまでの多層データピラミッドから構成される、具体的な知性の持続的進化に燃料を供給しています。

しかし、産業は依然として最も基本的な障害に直面しています：データ。大規模言語モデルや自動運転と比較して、具体的な知性は事前トレーニング段階で非常に大きなデータギャップがあります。このギャップを解消するために、業界はさまざまな経路を進んでいます：大規模な操作データ、第一視点（Ego-Centric）ビデオの自然な相互作用データ、急速に発展しているシミュレーションシンセティックスデータシステム。これらのデータソースの共同進化の背景において、学界と産業界は新しい技術的合意に徐々に到達しています：高品質で大規模なシミュレーションデータに依存した事前トレーニングを行い、それからわずかな実際のデータでファインチューニングすることは、現在の最も実行可能な経路の1つです。

ただし、この合意はさらに高い要求を提起しています──シミュレーションデータは、高品質、低コスト、スケーラビリティの3つの特性を同時に持っている必要があります。そうでないと、実際のデータのコストがかかり、シミュレーションの品質が不足しているという2重のジレンマがモデルトレーニングのイテレーション速度を引き続き遅らせるでしょう。

したがって、具体的な知性の「GPTの時刻」は近づいていますか？

Axisの答えは肯定的です──前提条件として、ロボットデータの大規模生産方法を徹底的に再構築し、物理世界での展開パラダイムを再定義する必要があります。

Axis Robotics が一般の人々も具体的な知性のデータ収集に参加できるようにします

従来のロボットデータ収集は、小規模な専門家チームやローカルリモート操作に依存しており、拡張が困難で多様性に欠けています。この瓶の首を破るために、Axisはシミュレーション第一の戦略を採用し、エンドツーエンドの具体的な知性データインフラストラクチャを構築し、分散ヒトコラボレーションによりデータ生産能力を大幅に向上させました。ロボットは人間に奉仕し、大規模な人間の参加によって持続的に構築および進化しています。

Axisは設立当初から認識しています：データを提供するだけでは不十分です。具体的な知性のデータのジレンマを真に解決するには、エンドツーエンドの技術パイプラインを構築する必要があります。その中でも最も重要な3つのステップは、タスク生成、データ収集、データ評価および処理です：

● タスク生成：拡張可能なダイナミックタスクエンジン。

データの境界は、ロボットの能力の境界を決定します。Axis は、新世代の3Dダイナミックタスク生成エンジンを構築し、ロボットに不可欠なスキルを原子スキルに分解し、キーワードヒントによって大量の高品質なシミュレーションタスクを生成します。単一のシーンから複雑なチェーンタスクまで、ロボットは無限に豊かなタスク空間で持続的に進化します。

● データ収集：誰でも利用できるゼロハードル収集プラットフォーム

Axis は、以前は専門の実験室でのみ実行されていた複雑なシミュレーション環境を、Webブラウザやモバイルデバイスにもたらしました。ユーザーはウェブページを開くだけで、リアルタイムでロボットやロボットアームをコントロールし、ゲームのように高付加価値のデータトラジェクトリを生成できます。ハードウェアの負担もなく、技術のハードルもなく―データの生成はこれまでに真に「いつでも、どこでも、誰もが利用可能」になりました。

● データ評価と処理：すべてのデータを「利用可能、トレーニング可能、スケーラブル」に

すべてのデータトラジェクトは、Axis の独自の自動評価システムを経て、完全性から安定性、有効性、滑らかさまで、多面的なフィルタリングと処理が行われ、最終的にはモデルトレーニングに直接適したデータ資産が生成されます。高品質はもはや人手による選別に依存せず、システム化された能力によってスケーラブルな生産が実現されます。

この包括的な製品機能セットの背後には、Axis が強力な基盤を構築しています。MetaSim は、具体的な知能のために開発された統合された下位層であり、シミュレータの解耦、データの検証、およびデータの増強を担当し、データパイプライン全体の安定稼働の中核エンジンとなっています。MetaSim に依存することで、Webベースの軽量シミュレータで生成された多くの人類のデモトラックは、NVIDIA Isaac Sim で高精度検証するためにシームレスに再現されます。同時に、Axis は、Isaac Sim の強力な物理エンジンとグラフィックエンジンを活用し、元のデータに対して高度なレンダリングと大規模なドメインランダム化を行います。この重要な強化手順により、データは Sim-to-Real移行とロバストモデルトレーニングでの価値が何倍にも増加し、各データが現実世界でより強力な一般化能力と実用性を持つようになります。

（ウェブページで収集された元のデータが強化され、モデルトレーニングに成功し、実機デプロイメントが完了）

その一方で、効果的なインセンティブメカニズムと普及促進策が確立されて初めて、この包括的なインフラストラクチャと製品体系が本当に根付き、より広範囲の参加者に利益をもたらすことができます。これこそが Crypto の独自の価値です。Axis は、Crypto を基盤として、製品の実用性に奉仕する真のインセンティブと分配ネットワークを構築することを目指しており、グローバルな一般ユーザーが分散型の方法で具体的な知的構築プロセスに参加できるようにします。

このネットワークを介して、データの寄与、タスクの実行、およびインセンティブのフィードバックが、透明性、検証可能性、追跡可能性を持った全プロセスで実現されます。さらに重要なのは、このネットワークがデータの収集タスクや軌跡データの資産化に新たな可能性をもたらし、参加ごとに具体的な知的エコシステムの一部の価値流動に変換されるようにします。

Axis は、エンドツーエンドのデータパイプラインを通じて、その軌跡収集のモデルトレーニングにおける実効性を検証しました

「Little Prince's Rose（小さな王子のバラ）」キャンペーンでは、チームはわずか3日間でコミュニティから1万以上の高品質な軌跡を収集しました。すべての軌跡は再生検証、データの平準化などの強化処理を経て、直接ポリシートレーニングに送られ、最終的に Franka ロボットアームに展開され、自律的な植栽を実現しました。

このマイルストーンは、Axis のゼロサンプル Sim-to-Real ミグレーション能力を示し、また初めて、Web ベースの大規模委託シミュレーション遠隔操作に基づいて、具体的な知的モデルトレーニングに使用できる高価値なデータを生成できることを証明しました。

コミュニティは、Axis のプレイヤブルでありつつ挑戦的な製品体験に非常に熱心です。2回のテストは合計15日間続き、参加ユーザー数は20,000人を超え、累計のデータトラック数は170,000を超え、これらのデータはすべて製品リアルタイムデータパネルで公開されています。

Axis Robotics の使命は、具体的な知的の真の民主化を推進することです

Axis は、ロボットの将来がすべての一般人の生活に奉仕するように、一般人も次世代ロボットの構築に参加する権利を持つべきだと信じています。最終的に、Axis が市場に提供するコアバリューは、次の2つの柱に基づいています：

1、事前トレーニング用の「高品質」ロボットシミュレーションデータセット

Axis は汎用ロボットベースモデルに意味のあるデータ入力を提供しています。「高品質」とは、単に規模だけでなく、タスクの高い多様性、シーンレイアウトの豊富さ、およびデータの多様なモダリティ構造を意味します。Axis の目標は、単に大量のデータを生成することではなく、業界基準を再定義することです。何の種類のデータが、事前トレーニングに直接適したものであり、学術と産業の最先端の進歩を推進するのに適しているか、それがロボットのデータであるかを再定義することです。

2、拡張可能なインフラストラクチャスタック

データ自体に加えて、Axis は、低いエントリーバリア、柔軟性が高く、長期的に拡張可能な技術インフラストラクチャを構築し、そのオープンな方法をエコシステム思考で再定義しています。私たちのビジョンは、この施設セットが Axis のみが使用するものではなく、オープンポートを介して、より多くの参加者を引きつけ、共に具身智能エコシステム全体を構築することです。

将来、私たちは徐々に、タスク構築、データ収集、データ処理、およびモデルトレーニングなどの核心インタフェースをオープンにし、開発者、研究機関、企業、コミュニティがプラグイン化および組み合わせ可能な方法で参加できるようにします。技術の厳密さを犠牲にすることなく、このオープンエコシステムは大規模な包括的参加を支援し、モデルレベルの高品質な出力を同時にサポートし、具身智能の構築を閉鎖的なプロセスから真のオープンな協力に向けて進化させます。

Axis は、製造業、ロボット本体メーカー、モデル企業などと幅広いエコシステムパートナーシップを築いており、Lotus Cars、Booster Robotics、Qunhe Technology、Element AI などのパートナーと協力し、データの生成、モデルトレーニング、実際の展開など、複数の次元で実装を推進しています。

具身ロボット企業のように、本体遠隔操作データを大規模化する必要がある企業を例に挙げると、Axis はその本体を高精度なデジタルツインに変換し、ダイナミックなタスク生成パイプラインを介して sim-ready のシーンレイアウトとタスクアセットを構築します。その後、Axis の分散タスク配信システムを介して、グローバルユーザーはブラウザー上でそのデジタルツインロボットを直接操作し、多様で高品質な軌跡貢献を完了させることができます。これにより、標準化された低コストの方法でデータ生成とビジネスコラボレーションが実現されます。

ロボットハードウェアサプライチェーンがますます成熟し、製造コストが大幅に低下するにつれて、具身智能産業の価値の中心は、ハードウェアの殻からAIモデルとデータインフラストラクチャへ加速移行しています。将来、兆ドル規模に達する具身智能市場では、データとAIアルゴリズムレイヤが核心産業価値の約10%を占めると予想されています。この新興のデータ経済システムでは、物理エンジンの精度向上、領域ランダム化技術の広範な適用により、シミュレーションデータが補助ツールから本当の核心生産要素に変わりつつあり、数百億ドル規模のインフラ競争レースへと成長しています。

今後爆発が期待される市場需要に対応するため、Axis Robotics は軽量なウェブアクセスと分散タスク配信メカニズムを用い、従来の「高コスト、中央集権、重資産」のシミュレーション遠隔操作モードを、指数関数的にスケーラブルなグローバルデータネットワークに再構築しました。

大幅にデータ生成コストを削減し、高並列トラジェクトリ収集能力を向上させることで、Axis は産業パートナーに効率的かつスケーラブルなデータソリューションを提供するだけでなく、急成長する具体的知能データ市場で、成長性、幅広い収益機会、および複製可能性を備えたビジネスモデルを築いています。

将来展望：具体的知能の「GPT タイミング」への歩み

具体的知能の「GPT タイミング」には、人間の知能を取得し、これを安定して検証可能な機械実行能力に変換するコアエンジンが必要です。Base Chain の公式立ち上げとともに、Axis は未来を見据えたこの分散基盤を展開しており、耐久性を備え、グローバル協業規模を支えられるオープンネットワークを構築しています。