Axis Robotics

https://t.co/dlXi2FrS92

Hemos estado usando ODE Policy para la destilación visual de políticas, con muy buenos resultados iniciales. Aprender cómo evolucionan las acciones con el tiempo le ofrece a la política una forma natural de captar la continuidad del movimiento del robot.

En el video, nuestro robot Franka aprende a enroscar una tuerca en un perno en una simulación, https://t.co/KOqQgNUOOf https://t.co/g5uoJMrUJj

6/6

Cuando escasean los datos reales, una selección cuidadosa aporta más valor a los datos de simulación que el volumen bruto. La utilidad basada en la influencia y la cobertura ofrecen una forma de ciclo cerrado para elegir demostraciones que realmente se transfieran a robots reales.

Página del proyecto: https://t.co/MH0EtHzwbl
Artículo: https://t.co/chC7Y4qYwh

5/6 Experimentos de simulación

Validamos el criterio en dos entornos simulados con el mismo protocolo, promediando los resultados de tres semillas.

Un único simulador (RoboMimic). La fuente y el objetivo comparten un simulador, lo que permite aislar el criterio de selección de datos de cualquier diferencia entre dominios. En Lift, Square, https://t.co/kFxIY1Bzc7

4/6 Experimentos en el mundo real

Cada tarea empieza con solo 10 demostraciones reales teleoperadas, muy pocas para entrenar una política por sí sola (16,7 % de éxito medio). Luego añadimos demostraciones de simulación de la misma tarea: 1.200 en total o 600 seleccionadas mediante un método de curación, siempre con la misma proporción de datos reales y simulados https://t.co/TbOBCevz1W

3/6 Método

El proceso consta de tres pasos.

• Calificar cada demostración de simulación en función de las trayectorias objetivo. Se ejecuta una política base en el dominio objetivo, y cada trayectoria tiene su propio retorno. Para cada demostración, una función de influencia pregunta: si esta demostración tuviera más peso, ¿qué trayectorias https://t.co/dk7efn2noz

2/6 La idea

Las demostraciones de simulación pueden complementar los escasos datos del mundo real, pero los métodos existentes carecen de un criterio unificado para medir la utilidad a nivel de trayectoria y la cobertura a nivel de conjunto a partir del comportamiento objetivo en bucle cerrado.

TUCO, abreviatura de utilidad a nivel de trayectoria y cobertura a nivel de conjunto

¿Cómo elegir demostraciones de simulación para el coentrenamiento cuando escasean los datos de robots reales?

Presentamos TUCO: Curación de demostraciones de simulación para el coentrenamiento de políticas robóticas de simulación a realidad, el primer estudio sistemático sobre la curación de datos para el coentrenamiento de políticas robóticas de simulación a realidad.

Con solo https://t.co/1OpWHGpgHM

Estamos construyendo una arquitectura robótica de varias capas, en la que el LLM se encarga del razonamiento de alto nivel y del marco de habilidades.

Aquí tienen una demostración. La tarea: usar el brazo derecho para colocar tres objetos de la bandeja en fila a lo largo del eje X de la mesa, ordenados por altura, del más alto al https://t.co/T1of7ZUfHc https://t.co/MhUckMKF3z

$AXIS El staking está disponible en @HTX_Global con hasta un 150% de APY ⬇️ https://t.co/XQziYCamhz

Puedes verificar cada paso en la cadena:

Orden TWAP: https://t.co/dlVcT4wFSl

Transferencia de tesorería: https://t.co/95aAavItlA https://t.co/m1vMJmMHOW

Anunciamos la recompra del token $AXIS

Nuestro motor de datos impulsa aplicaciones de IA física en situaciones del mundo real. Queremos que cada colaborador participe directamente.

Lanzamos la recompra del token $AXIS , y ya completamos el primer tramo de 150.000 $.

1. Nuestro comercial https://t.co/wGhtDOWezS

Un tutorial completo de nuestro principal colaborador ⬇️ https://t.co/Z6CgX583hr

Actualización del producto 🛠️

Hemos reducido el número de tareas abiertas. Te explicamos por qué.

1️⃣ GPT-6 ahora puede resolver tareas sencillas y generar trayectorias fiables para ellas. Seguiremos reduciendo el trabajo de recopilación repetitivo.
2️⃣ Las demostraciones humanas de alta calidad siguen siendo esenciales https://t.co/nCXR4P1m4J

Actualización del producto 🛠️

Hemos reducido el número de espacios disponibles para tareas. Aquí te contamos por qué.

1️⃣ GPT-6 ahora puede resolver tareas sencillas y generar trayectorias fiables para ellas.
2️⃣ Las demostraciones humanas de alta calidad siguen siendo esenciales para las tareas complejas. Estas demostraciones tienen mucho más valor que https://t.co/UuTVBuIGQz

Enlaces 7/7

Explora AXIS-Bench y nuestros recursos de datos más amplios:

Recursos del proyecto:
Página del proyecto: https://t.co/9pvWoFdRzu
Artículo: https://t.co/6Irf55g2d5
Código: https://t.co/ONkJ4k41qL
Prueba Axis Hub: https://t.co/brRVGQrYVQ

Conjuntos de datos:
Conjunto de datos de Axis V2: https://t.co/se54ZroQe4 https://t.co/BdFhBbhaxj

6/7 Publicación de datos

Axis Dataset V1 se lanzó en agosto. Desde entonces, hemos creado Dataset V2, que ahora abarca 1.092 tareas y 2,35 millones de episodios (incluido el aumento de datos de cámara). Todos los conjuntos de datos complementarios que se utilizan en AXIS-Bench se han seleccionado del conjunto de V2:

• Conjunto de datos de preentrenamiento. 5.000 simulados https://t.co/U7FM0ja7T3

5/7 De la simulación a la realidad

AXIS-Bench también incluye un flujo de trabajo de referencia y una línea base para experimentos en el mundo real: alinear las cámaras simuladas y el espacio de trabajo, volver a renderizar las demostraciones grabadas y ajustar el modelo con un pequeño conjunto de demostraciones reales.

En una Franka FR3, preentrenamiento de BC simple en https://t.co/RJGbCqqnNA

4/7 Hallazgos clave

• La forma de utilizar la calidad importa. El condicionamiento de episodios que tiene en cuenta el enfoque mejora el éxito medio frente a la clonación conductual simple (BC) en los tres VLA: ganancias relativas medias de +3,9 %, +23,4 % y +5,6 % en tres semillas de entrenamiento (π₀.₅, SmolVLA, X-VLA).

• Granularidad https://t.co/PWoi9hpmnt

3/7 Configuración del experimento

Comparamos tres enfoques que tienen en cuenta la calidad: ponderación, filtrado y condicionamiento, con dos definiciones de recompensa (centrada en los objetos y sensible al enfoque) y dos granularidades de etiquetado (episodio y segmento de acciones).

El estudio controlado utiliza 5,000 simulaciones https://t.co/ATyOleyayw