
Axis中文俱乐部由社区驱动, 致力推动 Axis Robotics在华语区的发展, 引入华语力量,提升Axis Robotics全球影响力。@axisrobotics
Axis Robotics
Joined December 2024
- Tweets465
- Following9
- Followers395
- Likes263
机器人技能,从 11,199 个真实操作任务和 14.6 TB 开放数据中提炼而成。
介绍 AXIS 技能图谱:每个技能映射到不同具身形式,每个数字打开其背后的真实任务。
skills.axisrobotics.ai
Robotic skills, distilled from 11,199 real manipulation tasks and 14.6 TB of open data.
Introducing the AXIS Skills Atlas: every skill mapped across embodiments, each number opening the real tasks behind it.
skills.axisrobotics.ai/
1
1
27
7/7 基于开放数据
我们的开放 Franka 任务数据集采用 LeRobot v3.0 格式:Parquet + 15 fps 的 MP4,包含第三人称和腕部摄像头、每帧的关节状态、动作和末端执行器姿态。
14.6 TB 数据已在 Hugging Face 上开放,并提供了一个可下载的示例任务。
需要特定技能、自定义任务数据或商业许可?请告诉我们您的机器人、任务和评估目标:[email protected]
13
6/7 双向交互
大多数分层系统强调从代理到策略的指令。返回路径开发得较少,我们认为那里存在机会。
向下,一个正确的指令仍然可能是一个糟糕的控制接口。对齐和接触检测步骤可能在“插入连接器”失败时起作用。一些视觉语言代理更倾向于视觉捷径而非语言目标,因此可以通过在固定场景的同时更改指令来测试 grounding。
向上,二元成功是不够的。代理需要接触、物体保持、进展和可恢复性。FACT 将精度不足与力响应不佳区分开来,这需要不同的修复措施。将视觉、接触、力以及本体感觉证据总结为事件。
动作似然不是物理成功概率。反馈应帮助代理重新表述、切换技能、在改变条件下重试,或向人求助。循环是推理、执行、观察、诊断、适应。
1
21
7/7 对 Axis 的意义
四个优先事项:
1. 衡量灵巧数据所传授的内容。保留样本谱系、接触假设、被拒绝的生成内容以及校正成本。分别报告数据量、覆盖范围、物理有效性以及下游效用。
2. 将路径与成功经验进行比较。固定学生和物理评估;跟踪人类时间、计算资源、模拟器调用以及调试。衡量每个可转移技能的成本,而不是原始轨迹数量。
3. 通过操作条件和结果定义技能:目标、兼容的具身形式、前置条件、完成信号、失败模式以及恢复选项。
4. 使评估更难被操纵。将首次尝试成功与重试后的完成分开,记录干预和推理成本,并冻结一个留出集。
在能改变未来行为的地方使用人类努力。保持演示、校正干预以及进度反馈的区分。
5
每条轨迹现在都能赚取 $AXIS
积分已结束。从 11 月 14 日星期六起,每条经过验证并签名的轨迹都能赚取 $AXIS,您可以每周领取。
立即探索:hub.axisrobotics.ai
@axisrobotics
Every trajectory now earns $AXIS.
Points are done. From Saturday 14 November, every verified, signed trajectory earns $AXIS, and you can claim it every week.
Explore now: hub.axisrobotics.ai/
How it works ⬇️
1
1
131
我们一直在使用 ODE Policy 进行视觉策略蒸馏,取得了早期强劲的结果。学习动作随时间演变的方式为策略提供了一种自然的方法来捕捉机器人运动的连续性。
在视频中,我们的 Franka 机器人学会了在仿真中将螺母拧到螺栓上,重现了 SGS 中的任务。
接下来,我们计划使用 ODE Policy 将更广泛的装配技能蒸馏到从相机图像执行动作的策略中,从安装齿轮和插入销钉到连接接头。 @axisrobotics
We’ve been using ODE Policy for visual policy distillation, with strong early results. Learning how actions evolve over time gives the policy a natural way to capture the continuity of robot motion.
In the video, our Franka robot learns to thread a nut onto a bolt in simulation, reproducing the task from SGS.
Next, we plan to use ODE Policy to distill a wider range of assembly skills into policies that act from camera images, from fitting gears and inserting pegs to joining connectors.
1
2
172



