Axis Robotics发布AXIS浏览器数据引擎：含207项机器人操作任务与5万条轨迹

浏览器即采集平台：打破封闭式数据生产范式

传统机器人操作数据集增长严重滞后于模型发展，主因在于数据收集长期依赖实验室专用硬件、由专家离线完成，最终仅发布一次性的静态基准。Axis Robotics联合加州大学伯克利分校、佐治亚理工学院、南洋理工大学等机构提出新范式——AXIS系统将演示采集环节完全迁移至浏览器端，后端GPU负责渲染、训练与评估，使数据集成为持续演化的活体资源，而非一次性交付品。

技术架构：前后端严格解耦的异构设计

AXIS核心决策是“不对称分工”：前端基于MuJoCo WebAssembly构建轻量级仿真环境，用户通过键盘、鼠标、虚拟摇杆或游戏手柄远程操控Franka Research 3机械臂（平行夹爪）；物理步进与Three.js渲染均脱离React UI主线程运行，确保记录的状态-动作样本与仿真时序严格对齐。所有高开销计算——包括8×RTX 4090 GPU集群的实时渲染、8×A100 GPU集群的训练与评估——全部卸载至后端。任务生成亦自动化：TaskGen模块将自然语言指令分解为任务/场景/物体配置，经图像到3D管线获取或生成网格，按真实物理尺度缩放，并输出2.5D场景布局；布局监督器则实时校验约束条件，对不合规对象执行重定位、重定向或再生。

数据集构成与质量管控

当前发布的数据快照涵盖207个任务、50,129个完整操作片段（episodes），以及跨越7类场景的超6万个任务或场景变体。每条轨迹包含结构化元数据：任务描述、机器人本体参数、仿真器版本、机器人与物体状态、动作序列、成功标签，以及第三视角与腕部RGB-D观测数据。论文致谢逾7万名社区贡献者。数据清洗作为标准生产环节：剔除关节变化量低于5e-3的静止样本；采用窗口15、阶数3的Savitzky-Golay滤波器平滑连续运动；以三次样条插值将原始6Hz采样率提升至目标20Hz（Web界面最高支持8Hz）。清洗导致平均加速度下降63.9%（1.3539→0.4885）、平均急动度下降80.8%（11.5899→2.2243），回放成功率相应从100%降至86.2%。清洗后轨迹在IsaacSim中基于打包状态重放（禁用物理步进），仅随机化场景、相机、材质与光照，确保轨迹本身权威性。输出为256×256分辨率、固定第三视角与腕部相机的光线追踪RGB图像，深度图默认关闭。

实验结果：持续预训练显著提升泛化能力

所有实验均以公开的π0.5检查点（PaliGemma Gemma-2B主干+Gemma-300M动作专家）为起点。先在仿真语料库上全参数（无LoRA）持续预训练10万步（10步动作块流匹配损失），再以相同超参在LIBERO上微调3万步。结果显示：π0.5+AXIS-100%在LIBERO-Plus上达88.8总分，较基线π0.5（83.9）提升4.9分，较轨迹数量匹配的RoboCasa365对照组（57.5）高出31.3分，证实性能增益非单纯源于数据量。按数据规模缩放：AXIS-25%、50%、100%分别对应84.7、85.7、88.8，呈稳定上升趋势。各扰动维度增益差异明显：传感器噪声（+13.7）、相机视角（+11.3）提升最显著；背景（+3.7）、机器人位姿（+3.8）、布局（+2.6）次之；光照（−1.7）与语言指令（−1.3）反而下降；相机维度在AXIS-50%时曾短暂跌破基线（68.8 vs. 72.5），后续恢复。

发布现状与使用限制

AXIS训练代码以OpenPI补丁层形式开源；远程操控平台已上线，支持任意现代浏览器访问；Hugging Face托管数据集大小为2.36TB，限非商业学术用途；未发布任何策略检查点（policy checkpoints）。

> 编者观点：AXIS所倡导的“众包式、浏览器原生、持续演进”的数据基础设施理念，为中国机器人AI研发团队提供了规避硬件门槛、加速数据飞轮的新路径，尤其适用于高校与初创企业低成本构建垂直领域操作知识库。