رؤى مجتمع ومشاعر سوق #axis

لقد أعدتُ البحث في @axisrobotics وبعد ذلك وجدت أنني كلما تعمّقت أكثر، شعرت أن

الذي يستحق الاهتمام الحقيقي في Axis ليس عدد الروبوتات التي لديها من بيانات

بل أنها تقوم بتحويل هذه البيانات إلى نظام يمكنه تعزيز نفسه بشكل مستمر

في أغسطس، تجاوز محرك البيانات الروبوتية لدى Axis 3M trajectories
وفي الخلف توجد 123K+ مساهم

لكن إذا كانت المسألة مجرد أن البيانات تزداد أكثر فأكثر
فالأمر في الحقيقة ليس بهذه “الإثارة”

الذي جعلني أبدأ بالنظر مجددًا إلى Axis
هو سلسلة من الخطوات التي حدثت مؤخرًا:
Dataset V1 → Axis V2 → Booster Robotics → OpenRoboto

وهي في جوهرها تشير إلى الشيء نفسه
لجعل Data Loop للـ Physical AI يعمل فعليًا

أصعب ما في تدريب الروبوتات لم يكن يومًا نقص البيانات فقط
بل هو
كيف تعرف ما هي بيانات الدفعة التالية التي يجب جمعها

العملية التقليدية أقرب إلى:
Task → Data → Model
تتدرّب ثم تنشر
ويحدث أن يخطئ النموذج فتعود لجمع بيانات جديدة من البداية

بدأ Axis V2 بتغيير هذا المسار
النموذج ينفّذ المهمة أولاً
ثم يُظهر نقاط ضعفه
ويقوم البشر بتصحيح ذلك في العقدة/النقطة الحاسمة
وتعود بيانات التصحيح إلى مسار التدريب
فيستمر النموذج في أن يصبح أقوى
ثم يكشف عن نقاط ضعف جديدة

وهكذا تصبح الصورة:
Model → Failure → Correction → Data → Better Model
وهذا أيضًا هو الجزء المثير حقًا في Human-Gated DAgger
هو ليس جعل البشر يكررون باستمرار الحركات التي يستطيع النموذج القيام بها بالفعل
بل أن يتدخل البشر عندما لا يعرف النموذج فعلًا ماذا ينبغي أن يفعل

بعبارة أخرى
ليس جمع المزيد من الإجابات الصحيحة
بل جمعها بدقة أكبر:
لماذا أخطأ النموذج

أعتقد أن هذا قد يكون نوعًا مهمًا جدًا من “تحويل القيمة” في بيانات الروبوتات

لأن الأشياء التي يعرفها النموذج ويجيدها
إذا أضفت 10,000 مرة إضافية من demonstration
فقد تنخفض القيمة الحدّية تدريجيًا
لكن الأماكن التي يفشل فيها النموذج مرارًا وتكرارًا
غالبًا هي ما تحتاجه الجولة التالية من التدريب كبيانات

لذلك، عندما يتحدث Axis عن Compounding Data Engine
لا أفهمه على أنه مجرد جعل Dataset أكبر وأكبر
بل
أن كل جولة تدريب تجعل جمع بيانات الجولة التالية أكثر دقة
وهذا أيضًا يفسر لماذا أجد أن تعاون Axis مؤخرًا مع OpenRoboto يستحق الاهتمام بشكل خاص

ستوفّر Axis 3M+ multimodal trajectories
وتدخل بها إلى Open Data Pool الخاص بـ OpenRoboto
وفي الوقت نفسه، تدعم عبر Data-to-Model Pipeline تقييم النماذج والمعايير benchmark
وهذا يوسّع الحلقة المغلقة أكثر إلى:
Data → Training → Benchmark → Evaluation → Better Data

في السابق، كنت أفهم Axis على أنه
Robot Data Platform
الآن أميل أكثر إلى فهمه كـ
Physical AI Data Infrastructure

لأن العتاد سيتغير
النماذج ستتغير
VLA ستتغير
لكن الروبوتات ستظل تحتاج دائمًا إلى الحصول على خبرات جديدة من العالم الحقيقي
لذلك ما يستحق مراقبته حقًا ليس
كم عدد trajectories التي سيصل إليها Axis في المرة القادمة
بل
هل عندما يبدأ استخدام هذه البيانات من نماذج أكثر وروبوتات أكثر وbenchmarks أكثر
هل سيبدأ Data Flywheel فعليًا في إنتاج Compounding Effect

إذا تمكن هذا الدوران من العمل بسلاسة
فقد لا تكون “القلعة المنيعة” لدى Axis مبنية على مقدار البيانات التي نملكها
بل على ما إذا كنا نستطيع الاستمرار في إنتاج الدفعة التالية من البيانات الأكثر قيمة
وهذا هو أكثر شيء مثير للاهتمام بالنسبة لي حول Axis حاليًا

#PhysicalAI #Robotics @KaitoAI #Axis #kaito

axis

المواضيع الرائجة