核心内容摘要
5万条网页众源轨迹，真能把机器人模型练强吗？AXIS基准给出答案作者与审校信息偶尔露出，出了问题至少有追溯可能，更踏实。谣言澄清结构清楚：常见说法、现有证据、更稳妥的理解。分类能按学科，也能按生活场景找，通勤或睡前翻两篇都不累。给大脑装了个简易滤网，再刷别的信息时也更清醒一点。后面会继续追专题，尤其是那些可迁移的硬核基础。
打开浏览器，屏幕里是一台 Franka Research 3 机械臂。参与者不需要拥有真实机器人，也不必在本地安装复杂的仿真环境，只需使用键盘、鼠标或手柄，就能控制机械臂完成抓取、堆叠、倾倒和工具使用。一次操作结束，一条人类演示轨迹也随之产生。 这就是 AXIS 的数据采集入口。但问题很快出现：来自不同参与者的网页遥操作数据，难免包含停顿、抖动甚至错误。这样的众源仿真轨迹，真的能用来训练机器人基础模型吗？ Axis Robotics 与佐治亚理工、加州大学伯克利分校、南洋理工等高校团队通过超过 5 万条人类演示和一组规模实验，给出了一个肯定但更复杂的答案：众源仿真数据可以有效，但模型能否从数据规模中持续获益，取决于任务覆盖、行为多样性、质量控制和数据增强，而不只是轨迹数量。这也是 AXIS 背后的核心观点：机器人行业需要的不只是一个更大的静态数据集，而是一套能够持续生成、验证、扩展和评估数据的基础设施。 机器人学习正在快速进入「大模型」时代，但机器人数据的生产方式仍然昂贵而封闭。真机演示依赖机器人硬件、场地和专业操作员；传统仿真数据采集虽然避开了硬件成本，却往往要求参与者配置本地仿真环境和计算资源。与此同时，不少机器人数据集在一次性发布后便停止增长，模型能力不断提升，数据覆盖却很难同步扩展。AXIS 选择网页众源仿真，并不是因为仿真能够完全替代真实机器人，而是因为它能够降低数据生产的边际成本：让更多人参与，让更多任务被快速部署，也让模型失败后所缺少的数据能够更快被补充。 第一，如何持续生成新的任务、物体和场景，而不是反复采集少量固定任务；第二，如何把存在噪声的社区演示转化为稳定、可训练的数据；第三，如何证明数据集扩大之后，模型性能确实在提升，而不是单纯积累更多轨迹文件。 为了解决这些问题，Axis Robotics 联合佐治亚理工、加州大学伯克利分校、南洋理工等多所高校提出了AXIS：一个面向可扩展机器人操作学习、由社区驱动且能够持续生长的数据引擎与评测基准。AXIS 将自动任务生成、浏览器遥操作、数据清洗、仿真增强、模型训练和固定协议评测连接成一个完整闭环，使机器人数据从一次性发布的静态资产，转变为能够持续生长的数据引擎。 AXIS 首先通过仿真任务生成模块将自然语言操作指令转换为任务配置、场景布局、物体资产和可复用的成功判定器。生成的任务随后被部署到基于 MuJoCo-WASM 的网页端，参与者无需安装完整仿真环境，也不需要拥有真实机器人，即可通过键盘、鼠标或手柄完成遥操作数据采集。 当前论文发布与实验使用的固定快照围绕 Franka Research 3 机械臂构建，包含207 个操作任务、50,129 条人类演示轨迹，以及超过 6 万种任务或场景变体，覆盖抓取放置、堆叠、分类、推动、倾倒、关节物体交互和工具使用等常见桌面操作。与该固定快照不同，AXIS 数据引擎仍在持续运行。截至 2026 年 7 月 24 日发稿时，项目主页数据集实时统计已达到1,816 个任务、1,530,275 条轨迹和 13,645 小时 7 分钟，相关数据按小时验证更新。 社区采集能够带来丰富的操作策略和行为差异，但也会引入停顿、抖动、错误状态和失败轨迹。AXIS 因此没有直接将原始数据用于训练，而是建立了一套标准化处理流程，包括成功状态验证、异常过滤、静止片段移除、轨迹平滑和固定频率重采样。 平滑与重采样步骤能将轨迹的平均加速度和加加速度分别降低63.9%和80.8%，显著减少了网页遥操作产生的高频噪声。清洗后的轨迹还会在 Isaac Sim 中进行重放和增强。系统能够随机改变相机视角、灯光、纹理、背景、物体位置以及质量和摩擦等物理参数，在保留任务语义和成功条件的同时，大幅扩展训练分布。 研究团队以 π0.5 为基础模型，在不同规模的 AXIS 数据上进行预训练，随后采用完全一致的配置在 LIBERO 数据上微调，并在 LIBERO-Plus 鲁棒性基准上测试。 使用 AXIS-25%、AXIS-50% 和 AXIS-100% 预训练后的总体成功率分别达到84.7%、85.7% 和 88.8%。完整 AXIS 数据使总体成功率较基线提升4.9 个百分点，相对提升 5.8%；从 25% 到 100% 的结果持续上升，显示增加任务覆盖和数据多样性仍能带来收益。在相同轨迹数量和训练预算下，RoboCasa365 匹配组仅达到 57.5%，比 AXIS-100% 低 31.3 个百分点。这说明 AXIS 的收益并不只是来自额外加入一批仿真数据，任务覆盖、人类演示多样性、数据处理和环境增强方式同样重要。 从具体扰动维度看，AXIS-100% 在传感器噪声和相机视角变化下分别提升13.7 和 11.3 个百分点，在机器人初始位姿、背景和物体布局变化下分别提升3.8、3.7 和 2.6 个百分点；在光照和语言扰动下则分别小幅下降 1.7 和 1.3 个百分点。当前收益因此主要集中在视觉与几何分布变化，也说明后续仍需要针对未充分覆盖的扰动维度继续扩展数据设计。 在这项工作中，Axis Robotics 并不只是数据集的发布方或数据供应方，而是主导提出并落地了「可持续生长的机器人数据引擎」这一研究路线。Axis 将仿真任务生成、资产与场景部署、网页遥操作、社区数据采集、轨迹验证与清洗、Isaac Sim 渲染增强，以及数据集的持续维护与版本化发布整合为一套实际运行的基础设施。 Axis Robotics 重点解决机器人数据如何被持续、低成本和规模化生产，以及如何让新增数据进入可复现的训练与评测流程。佐治亚理工、南洋理工、加州大学伯克利分校等学术合作团队则与 Axis 共同参与研究问题定义、模型训练、规模实验、结果分析和学术验证，通过统一的训练预算与 LIBERO-Plus 评测协议，检验每一轮数据增长能否真正转化为模型能力。 因此，AXIS 不是「公司负责工程、学校负责研究」的简单分工，而是数据基础设施与严谨实验方法的结合：Axis 主导数据引擎的 thesis、系统建设和持续运营，学术合作团队提供互补的模型与评测专长，双方共同回答这些数据是否有效、为何有效，以及怎样的数据增长最有价值。AXIS 的目标并不是用仿真数据取代真实机器人数据，而是建立一条能够持续生成、处理、验证和评估机器人数据的基础设施。 本次发布验证的是这一更大闭环中的第一步：网页众源仿真数据经过系统化处理后能够带来可测量、并随数据规模增长的模型收益。下一阶段，团队计划扩展更多机器人本体、传感器模态和长时序任务，并进一步让模型失败反向决定任务生成和数据采集方向，使数据引擎从「持续增长」走向「针对模型能力缺口定向增长」。
📕作者： 赖国英撰 · 更新于 2026-08-05 17:10:10
👠校花被 出奶 视频网站在线美军一架F-35隐形战机坠毁，飞行员弹射逃生；涉事战机隶属海军陆战队，造价约1.1亿美元，为最严重 “A级事故”
💋憧憬成为魔法少女何婕：一般人虽然天天接触网络，可是不会去感受到的话题，就是我们的网络主权。就好比我们天天呼吸空气，你不会感受到空气存在，但是网络主权对我们发展网络也好，包括发展智能经济也好，它起着举足轻重的作用。张老师，您怎么来解读这个网络主权？据界面新闻，海外有大量时尚博主和普通消费者集中发声，直指ZARA一款轻薄拖地阔腿裤存在设计缺陷，一些穿着阔腿裤的人出现平地摔倒的情况，甚至导致骨折。“致命Zara阔腿裤”成为欧美社交平台热议词条。
💥半夜偷偷和妈妈一起睡觉正常吗DeepSeek又更新了，这次梁文锋没放大招｜进击的独角兽
🔞进去里 片欧美17c随着产业实力不断积淀，突破逐步向第二层软件领域渗透：我们一点点攻克技术难关，建起自主可控的技术“堡垒”，筑起属于自己的产业“护城河”。当基础设施、软件生态、内容治理三层都拥有了自主可控的基本盘，中国才真正具备了与霸权方平等对话、对等谈判的资格。这一进一退、反复拉锯的过程，是一场漫长且异常艰辛的大国角力，每一步突破都来之不易。
🔞日剧《太想被你爱了》百度据了解，上述功能上线后当骑手在交通路口等红灯时，页面会呈现红灯倒计时读秒信息，订单结束时将延长本单配送时间，骑手还可在该页面中看到所在区域的禁行道路信息，选择不同的配送路线，或根据需求自主决定配送线路。配送完成后，骑手页面会弹窗提示“订单号、等红灯累计时间”，系统告知“相应顺延最晚送达时间”，完成“等灯停表”功能。
📸 记者 郭海军 摄 · 更新于 2026-08-05 17:10:10
