😁 Axis V1 다시보기Axis는 현재 플랫폼의 대규모 업그레이드를 준비하고 있습니다
V2를 공개하기 전에, 먼저 Axis V1이 오늘날 무엇을 제공하고 있으며,
어디에서 한계를 가지는지 다시 짚어보려 합니다
➖
🔘핵심 관점과 전체 개요로봇 학습에서 단순한 원시 시연 데이터 이상의 것이 필요합니다
로봇이 실제로 학습할 수 있는 데이터는 시각적으로 현실에 기반해야하고,
물리적으로 다시 재생 가능해야하며,
최신 비전-언어-행동 모델이 바로 사용할 수 있는 구조로 정리되어 있어야 합니다
Axis V1은 이 원칙을 중심으로 설계 되었습니다
핵심은 웹 기반 조작 데이터를 로컬에서 렌더링된 로봇 학습 데이터로 변환하고,
이를 별도 복잡한 처리 없이 바로 정책 모델 학습에 사용할 수 있도록 만드는 것입니다
오늘 날 로봇 조작 학습의 병목은 데이터 입니다
그리고 유용한 데이터의 핵심은 다양성입니다
실제 로봇 데이터는 비싸고, 특정 하드웨어에 묶여있습니다
또한 대부분의 데이터셋은 한 번 수집된 뒤 고정된 상태로 남습니다
Axis V1은 다른 길을 택했습니다
다양하고, 확장 가능하며, 자동화된 데이터 파이프라인을 만드는 것Axis V1은 완전한 엔드투엔드 데이터 파이프라인입니다
웹 규모의 조작 작업에서 시작해, IsaacLab 기반 시뮬레이션 렌더링을 통해 트래젝토리를 재구성하고,
풍부한 시각적 무작위화를 포함한 구조화된 다중 시점 데이터셋,
즉 Axis 데이터셋을 생성합니다
이 데이터셋은 전용 학습 인프라인 Axis V1 트레이닝을 통해 Pi0.5 미세조정에 바로 사용됩니다
이후 학습된 정책 모델은 표준화된 LIBERO Plus 환경에서 평가됩니다
즉, Axis V1은 원시 웹 데이터에서 시작해 벤치마크된 로봇 정책 모델까지 이어지는 전체 경로를 하나의 파이프라인으로 연결합니다
➡️
자세히 알아보기😁 Axis 주간 업데이트#07/06이번 주 Axis는 6월 동안의 진행 상황을 더 명확한 데이터 루프 방향으로 정리했습니다
핵심은 기존의 짧은 단일 로봇팔 시연을 넘어서는 것입니다
Axis는 이제 더 복잡한 작업 데이터,
실패를 보정하는 교정 데이터,
그리고 지속적인 모델 반복 학습으로 방향을 확장하고 있습니다
🥹
핵심 업데이트🔘원격 조작 UX 개선직접적인 그리퍼 드래그, 물체 선택, 양팔 제어 기능을 개선했습니다
이를 통해 정보 가치는 낮지만, 조작 부담은 큰 행동을 건너뛰고, 실제 학습 가치가 높은 시연 구간을 더 잘 보존할 수 있게 했습니다
🔘
데이터 품질 관리새로운 검증 우회 패턴에 대응하기 위해 검사 로직과 검증 절차를 더 엄격하게 만들었습니다
이 강화된 검증 방식은 양팔 작업과 DAgger 방식의 데이터 수집에도 확장되고 있습니다
🔘
모델 반복 학습 루프자동화된 작업-정책 모델 루프는 이제 대부분 연결된 상태입니다
Axis는 앞으로 정책 모델의 실행 구간과
사람이 개입한 교정 구간을 더 명확히 구분하기 위해, DAgger 방식의 교정 데이터로 이동하고 있습니다
🔘
태스크 생성관절형 물체 지원 범위가 기존 6개 카테고리를 넘어 확장되었습니다
코딩 에이전트를 활용한 자산 생성, 의미 기반 LLM 에이전트, 그리고 DINO 기반 시각 식별기를 통해 프롬프트에 더 잘맞는 자산을 검색하고 생성할 수 있도록 개선했습니다
🔘
실제 환경 검증Dataset v2의 장기 작업 데이터 수집이 진행되고 있으며, 초기 실제 환경 결과에서는 AXIS와 DROID를 함께 학습했을때
Pick Butter와 같은 작업에서 유용한 사전 학습 지식이 유지되는 것으로 나타났습니다
➡️
자세히 알아보기Axis X |
Axis 한국 공지 채널 |
Axis 한국 채팅방»
Axis Hub 
