明天 @axisrobotics 的Kaito活动就结束了。 我已经成功提交5篇，第6篇不知道为什么一直提交不上去，麻烦 @KaitoAI 或 @KaitoStudio_ 联系我，帮忙检查一下是什么问题。 趁活动还没结束，再写一篇我最近真正关注的技术进展。 前几天，Axis发布了一段新的Sim-to-Real演示。 他们先在仿真环境里训练RL专家，再通过视觉随机化，把能力蒸馏到Vision Policy，最后部署到真实机器人。 视频里的物体位置不是固定的。 机器人每次都要通过视觉重新判断目标在哪里，再完成抓取和放置，不能靠背一套固定坐标过关。 这段视频不算特别炫，机器人也就是拿起几个瓶瓶罐罐。 但它比再讲一遍“几百万条轨迹”更有意思。 几百万条轨迹听起来很牛，但说到底，机器人到了现实里不会干活，这些数字也只是数字。 我更关心的是：物体换了位置，它还能不能抓对？ 从演示来看，这套策略至少在当前任务里做到了。 仿真中训练出来的能力，经过蒸馏以后，确实被真实机器人用上了。 当然，视频里的任务还比较简单。 换个更乱的环境，或者让它连续干几个小时还能不能稳，我现在也不知道，后面继续看。 我不会因为一段视频，就说Axis已经解决了Sim-to-Real。 但它至少证明，社区贡献的数据没有一直停留在网页任务和积分系统里。 这些数据正在经过训练、筛选、蒸馏和部署，最后变成真实机器人的动作。 Kaito活动结束以后，排行榜的热度会慢慢降下来。 到时候真正值得看的，是Axis公开的数据集还有没有研究人员使用，模型有没有继续变强，Lotus、Geely这些商业合作能不能跑出稳定的真实结果。 这些才是我接下来继续关注Axis的原因。 第一赛季第200名的事情，我该问还是会问。 项目本身值不值得长期关注，后面继续看数据、模型和真实机器的表现。 体验Axis： @axisrobotics @KaitoAI @KaitoStudio_ $AXIS_