Axis Robotics wraz z partnerami z UC Berkeley, Georgia Tech i Nanyang Technological University uruchomili AXIS - otwarty system do zbierania danych o manipulacji robotów, który rewolucjonizuje podejście do tworzenia datasetów dla robotyki. Zamiast tradycyjnego modelu, gdzie operatorzy eksperci zbierają demonstracje na sprzęcie laboratoryjnym, przetwarzają je offline i publikują jako nieruchomy benchmark, AXIS przenosi proces zbierania do przeglądarki internetowej i traktuje dataset jako żywy, stale rosnący zasób.
Architektura systemu opiera się na asymetrii obliczeniowej. Operatorzy teleoperyują robota Franka Research 3 z chwytakiem równoległo-szczękowym poprzez interfejs MuJoCo WebAssembly w przeglądarce, używając klawiatury, myszy, wirtualnego joysticka lub pada. Fizyka i renderowanie Three.js działają poza wątkiem React UI, co zapewnia precyzyjne wyrównanie próbek stan-akcja z symulatorem. Cała obliczeniowo droga praca - renderowanie na 8 GPU RTX 4090, trening i ewaluacja na 8 GPU A100 - odbywa się na backendzie. Zadania są generowane algorytmicznie zamiast tworzone ręcznie przez TaskGen, który rozkłada instrukcję języka naturalnego na komponenty zadania, sceny i konfiguracji obiektów.
System jest częściowo dostępny dla publiczności. Kod treningowy został opublikowany jako warstwa patch nad OpenPI, platforma teleoperyjna działa w każdej przeglądarce, a dataset na Hugging Face (2,36 TB) jest dostępny dla celów akademickich non-komercyjnych. Brak jednak udostępnionych checkpointów modeli. To podejście ma potencjał aby fundamentalnie zmienić sposób, w jaki społeczność buduje zasoby treningowe dla robotyki - zamiast czekać na kolejną publikację fiksowanego benchmarku, naukowcy mogą ciągle dodawać nowe demonstracje i zadania, co powinno znacznie przyspieszać postęp w uczeniu manipulacyjnym robotów.