شرکت Axis Robotics نسخه اول مجموعه دادههای شبیهسازی را با عنوان Axis Sim Dataset V1 منتشر کرده است. این مجموعه، یکی از بزرگترین دیتای منبع باز در حوزه کنترل رباتهای فرانکا است و شامل بیش از 50,000 مسیرههای شبیهسازی راهبردی انسان-کنترلشده در 207 وظیفه و بیش از 60,000 نمونه صحنه میباشد که بر روی بازوی شبیهسازی شده فرانکا ریسرچ 3 اجرا شده است.
این دیتابالا بیش از 160,000 دانلود ثبت کرده است و عنوان پرکاربردترین مجموعه دادههای شبیهسازی کنترل فرانکا در پلتفرم Hugging Face را به خود اختصاص داده است. در ارزیابیهای مقایسهای، آموزش مداوم بر روی این مجموعه سبب ارتقاء π0.5 از 83.9% به 88.8% شده است و در مقابل یک خطکش RoboCasa همرده، به نتایج بهتری دست یافته است. تمام نتایج قابل بررسی و شفاف هستند.
این پروژه بخشی از استراتژی شرکت برای ساخت موتور دادهای قدرتمند برای هوش مصنوعی فیزیکی است که شامل شبیهسازی مقیاسپذیر، ثبت دادههای واقعی، کنترول انسان-ربات و آموزشهای پساز تمرین میباشد. این شرکت توانسته است 12 میلیون دلار سرمایه اولیه جمعآوری کند که توسط Hack VC هدایت شده است و در کنار آن، سرمایهگذاران نامآورانی مانند Nomad Capital، Pi Network Ventures، و 10K Ventures مشارکت داشتهاند.
رویکرد مخالف به دادههای پاک
یک فرض رایج در رباتیک این است که نمونهنماییها باید نزدیک به حالت بهینه باشند و هرگونه نویز و خطا قبل از شروع آموزش حذف شوند. اما Axis استدلال میکند که کیفیت دادهها در سطح توزیع است نه در مسیرهای فردی. وقتی جمعی بزرگ و متنوع، مسیرهای noisy و زیر بهینه تولید میکنند و خطاهای آنها نامرتبط است، نویز میانگین میشود و سیاست قابلکاربرد باقی میماند.
مجموعه داده V1 با این استدلال به صورت عمومی آزموده شده است. مسیرهای آن در زمینههای مانند برداشت و جایگذاری، دستهبندی، انتقال، کنترل شیءهای مفصلدار، و استفاده از ابزار جمعآوری شده است. این دادهها از طریق پلتفرم کنترل از راه دور مرورگر Axis Hub جمعآوری شده و توسط تیمهای مختلف دانشگاهی و تحقیقاتی تولید شده است.
پیشرفتهایی که مقیاسپذیرند
در آزمایش LIBERO-Plus، آموزش مداوم روی مجموعه داده V1 موفقیت را از 83.9% به 88.8% رسانده و در مقایسه، از خطکش RoboCasa365 که همرده است، بالاتر رفته است. نتایج نشان میدهند که افزایش دیتا به صورت پیوسته تاثیر مثبت دارد و این به دلیل تنوع و پوشش گسترده دادهها است، نه فقط رشد لحظهای.
در ادامه، تیم خبر میدهد که نسخه بعدی، V2، در حال توسعه است و شامل 1.2 میلیون مسیر در 1200 وظیفه است که نتایج اثبات کرده است که دادههای شبیهسازی زیر بهینه هم سیاستهای مقاومی تولید میکنند.
موتور پیشرفته دادهها
مجموعه دادههای V1 نتیجه یک موتور داده فعال است که به واسطه ارزیابیهای مداوم، دادههای بعدی را مشخص میکند. این موتور بر چهار خط داده کار میکند: شبیهسازی، ثبت فعالیتهای اولشخص در محیطهای واقعی، کنترل حرکتی رباتهای انساننما، و اصلاحات انسانی در آموزشهای پساز تمرین. هر نمونه به صورت زنجیرهای بر بستر بلاکچین Base ثبت میشود و به مشارکتکنندگان برای کیفیت کارشان پاداش داده میشود.
همکاریهای صنعتی و کاربردهای تجاری
علاوه بر انتشار مجموعه دادههای شبیهسازی، Axis مستقیماً با شرکتهای ساخت ربات همکاری میکند تا دادههای سفارشی و مرتبط با هر پلتفرم جمعآوری کند. مثال بارز این همکاری، با Booster Robotics است که در آن، این شرکت محیط کار واقعی Booster را به مدل دیجیتال مشابه تبدیل کرد و با تنها ۳۰ نمونه واقعی، موفق به افزایش دقت مدل به ۸۷.۵% شد، در حالی که با استفاده از دادههای معمولی تنها به ۳۷.۵% دست یافته بود.
این مجموعه داده و همکاریهای دیگر، نقش مهمی در تغییر نقش دادهها در توسعه هوش مصنوعی فیزیکی دارند و نشان میدهند که دادههای متنوع و تولید مداوم، کلید ساخت سیستمهایی مقاوم و کارآمد هستند.
