Axis @axisrobotics 最近又把任务机制往前推进了一步。 截至 8 月底，平台已经积累了 470 万条有效 Trajectories。 当数据积累达到这个规模后，下一阶段的核心挑战已经不只是持续扩大数据量，而是如何筛选和管理高价值数据。 尤其是那些复杂、高难度、容易失败的任务，应该由具备稳定能力的贡献者来完成，才能保证采集到的数据真正具备训练价值。 Axis 给出的解决方案，就是 Challenger Program。 简单理解，就是把一部分高难机器人任务单独锁起来，只开放给历史表现更稳定的贡献者。 每周会从过去的贡献记录里筛一批白名单，开放大约 20—50 个高难任务。 这部分奖励也更高： 完成一个 Challenger 任务，可以拿普通任务 2—3 倍 Axis Points。 但这个白名单不是看你某一天突然爆肝了多少。 Axis 看的是更长期的表现： 做过多少种不同任务、Pre-training 和 Post-training 有没有持续参与、验证通过率稳不稳，以及同一个任务里能不能长期保持在表现更好的一批里面。 所以一直刷最简单的任务，或者偶尔跑出一次高分，未必有用。 我个人还是挺喜欢这个机制的。 因为机器人训练数据真正有价值的，从来不只是数量。 尤其高难任务，如果全部扔进公共池，最后很容易收回来一堆数量很好看、但训练时不敢直接用的数据。 现在 Axis 相当于开始把贡献者也分层： 普通任务继续开放，让新人熟悉；真正值钱的难题，交给已经证明过自己的人。 这其实也说明，Axis 正从“全民采数据”慢慢走向更细的 数据质量管理。 白名单是每周刷新。如果 Portfolio 里的 Seek the Unseen 徽章亮了，就代表已经进入 Challenger。 高难任务每周一 16:00 SGT 放出，数量有限，先到先得。 UU们，快来和我一起参与吧： @KaitoAI #kaito#

Axis Robotics × @BinanceWallet 这次有点东西。 1,500,000 Axis Points，活动持续 30 天，而且是专门给 Binance 无密钥钱包用户准备的。 玩法也不复杂：用 Binance Wallet 参与 Axis，去教机器人完成任务，然后把你的数据在 Base 上完成签署。 最关键的是，这次奖励池和 Axis 主产品的积分体系是完全独立的。 也就是说，如果你本来就在玩 Axis，这次相当于多了一条额外的积分获取渠道。 机器人训练 + 链上数据签署 + Axis Points，三个东西串在了一起。 目前总池子是 150 万 Axis Points，时间只有 30 天。 有 Binance Wallet 的可以直接去看看，尤其是本来就在刷 Axis 任务的，这种活动没必要错过。 @KaitoAI @axisrobotics

Axis并不只是有营销的页面，客观来说目前是有一部分可验证的数据工程基础的。@axisrobotics GitHub上开源了AxisDataCleaning，能看到真实代码 原文: 另外一个重要信息是有一笔融资值得关注，因为Hack VC 是比较有辨识度的基础设施投资方。 个人猜测投资人可能更看重数据基础设施，而非短期代币发行。 我们如果长期看，还是要看项目的商业价值是什么。 我觉得有这几种可能（仁者见仁智者见智） 1️⃣为模型训练提供数据处理服务 2️⃣按轨迹、任务或 API 使用量收费 3️⃣为企业提供定制任务和特定 embodiment数据 从已公开的交付案例看，前两者都有一些痕迹。 最后我也有一个疑问，机器人数据不是一次性资产。 当任务固定，贡献者们会重复，模型也会过拟合。 我觉得解决办法可以是通过程序化生成持续产生新任务、随机布局和长链路任务，就有机会让数据集保持新鲜。 抛开利益不谈，如果格局大一些来看，考虑长久性:Axis最有潜力的部分不是“用户可以通过做任务获得未来空投”，而是能否形成一个持续产生高质量机器人失败与纠错数据的系统。 目前它已经比很多纯叙事项目多了可检查的工程和公开结果，这是相对明显的优势之处。 以上内容仅作为自己的研究笔记 非投资建议DYOR

【 Axis 空投交互(1) - 获取推特徽章】 @axisrobotics 上Kaito嘴撸的第一个项目，最简单的一个初始交互。 链接： 进入后，连接Web3钱包，然后Connect链接推特(图1)。 然后在右上角的账号Portfolio，可以看到你的账号第一个徽章Badge。这些都可能是未来空投的凭据。

Axis 积分上线，聊聊这个项目 ▸ 背景够硬 Hack VC 领投 1200 万美金，同机构投了 Morpho、Berachain、Sui。CMO Christine 是华人圈熟面孔，不是什么匿名盘 这轮 AI 叙事里，Physical AI 比纯 LLM 更有想象空间。Axis 卡在「机器人训练数据」这个冷门但刚需的位置，明年机器人赛道热起来它就是这个方向的独苗 ▸ 上手门槛极低 浏览器里就能操作模拟机器人，跟玩网页游戏差不多。不用下载、不用配置、不用编程 我做下来最难的操作也就是控制机械臂别把杯子打翻 ▸ 怎么撸 @axisrobotics 三个角度： ① 积分：官方刚上线积分系统，每两周一个 Epoch，五个维度算分 任务数量、难度、质量、多样性、邀请。积分高的后面空投权重不会低 ② Kaito：已确认合作，Kaito Katalyst 首批合作项目大概率有 Axis。多发相关内容刷 mindshare ③ Discord 角色：身份组后面大概率挂钩空投 ▸ 提分技巧（实测有效） 优先做 4 星以上高难度任务，Difficulty 是直接乘数，收益差好几倍 同一个任务最多只计前 5-10 条，做完立刻换场景换操作类型，Diversity 拉满 动作尽量流畅少失误，系统用 VLM 加物理回放打分。失败了不扣分，反复试到满意再提交 提交完立刻链上签名，忘了签等于白做 邀请只拉真正会做任务的，附带教程教他们怎么拿高分。拉人不干活不加分 ▸ 社区互动也有分 Discord 每天聊两句，帮新人回答问题，身份组后面有用 官方发帖后写有质量的评论，别刷 LFG。每周发 1-2 条原创帖晒任务体验，比转发有用 Peer Review 审核别人数据也能拿奖励，有空就点点 ▸ 节奏 每天 10 条高质量轨迹 + 签名，Discord 冒泡 + X 评论官方帖。周五 00:00 UTC 前把本周所有轨迹签完 ▸ 说实话 空投没官宣但信号够多，社区负责人亲口说了有代币空投和创作者计划。有 funding 的项目一般不会纯白嫖社区数据 积分通胀已经开始了，早期的人分数拉开了。想入场的趁早，Epoch 一轮一轮过去后面的人追不上 反正零成本，不撸白不撸 @axisrobotics

Axis @axisrobotics 轨迹任务，对我太难了，我是个手残党，你们几秒十几秒完成的有啥技巧吗？ 我真的很想全方位参与Axis ，也知道trajectory tasks是权重最高、最核心的贡献方式，但就是找不到技巧，怎么办？ 难道，只能等Kaito创作者活动，听说要等到8月中旬，不知道真假。 这几天每天拿出几个小时，找一找轨迹任务技巧，如果实在不行，只能多写推文 ， 争取创作者活动了 #PhysicalAI# #具身智能#

Axis Robotics 每天看着机器人模型在实验室里卡住。 跑不通的抓取动作，识别不了的场景，泛化不了的路径。 人类好像越来越能造机器人，但越来越不会教机器人了。 1> @axisrobotics 最早就是一个数据标注项目——只不过标的不是图片，是机器人动作。 你打开浏览器，用鼠标拖拽一个虚拟机械臂，教它怎么拿起杯子、怎么拧开瓶盖、怎么给花浇水。就这么简单。动动鼠标，教机器人，赚积分。 但团队很快发现了一个问题： 不是没人想教，是根本不知道怎么教。 2> 机器人的数据，被什么东西卡住了？ 大语言模型有全网文本可以训练。 自动驾驶有上亿公里路测数据。 但机器人呢？ 真实的机器人操作数据，只能靠实验室里少数专家，一台一台机械臂手动采集。成本高、速度慢、场景单一。 而机器人需要学会的，是真实世界里千变万化的动作——拿起不同形状的杯子、在不同光照下识别物体、在杂乱环境中规划路径。 实验室里采集的那点数据，不够。 3> Axis 看不下去了。 他们发现Physical AI最大的瓶颈不是算法，是数据覆盖度。 没有足够多、足够多样化的训练数据，再好的模型也是空中楼阁。 所以他们决定换一种思路。 4> 从实验室采集变成全民众包。 Axis 的做法很简单：在浏览器里搭建物理仿真环境，让全球任何一个人，打开网页就能操作虚拟机器人。 你拖拽机械臂完成的每一个动作，都会被记录成一条轨迹数据。 这些数据经过验证后，用来训练真正的机器人模型。 2026年2月，Axis 做了一次代号叫"小王子的玫瑰"的实验。 全球1.2万名普通用户在5天内完成了10,000条高质量轨迹数据的采集。 然后他们把其中一批数据直接部署到了真实的 Franka 机械臂上——成功复现。 不需要你买机器人，不需要你懂编程。打开浏览器，动动鼠标，你就在教一个真正的机器人如何行动。 5> 但最有意思的是商业模式。 企业客户可以提出定制化的数据需求——特定任务、特定环境、特定机器人本体。 Axis 把这些需求拆解成任务套件，分发给全球贡献者网络。 贡献者完成任务、产生数据，企业付费购买。 部分收入回流给贡献者。 形成一个闭环： 商业需求 → 任务生成 → 众包采集 → 数据验证 → 模型训练 → 部署落地 物理AI变成了一个网络：商业需求驱动数据创建，贡献者提供智能，模型持续进化。 6> 技术底子怎么样？ Axis 自研了 MetaSim 架构，把复杂的物理仿真和轻量化的网页交互解耦。 你在浏览器里拖拽机械臂的每一帧，背后是 MuJoCo 的高频物理模拟，再通过跨仿真重放技术在 Isaac Sim 里做大规模域随机化。 说白了就是：你操作简单，但数据质量不简单。 截至2026年7月，Axis 数据集已包含207个多样化任务和超过5万条轨迹。 7> 最新进展是什么？ 7月28日，Axis Robotics 宣布完成1200万美元种子轮融资。 Hack VC 领投，Nomad Capital、Pi Core Team Ventures、10K Ventures 及多位天使投资人跟投。 资金将用于加速建设大规模并行、有人类参与的全球数据引擎。 而且，Axis 即将在 Base 链上推出主产品——数据贡献记录上链，可验证、可追溯。 8> 现在，Axis 正在测试网阶段释放任务。 首批30个任务，已有三分之一进度跑满100%。 Hub 任务可以直接参与，Alliance 任务需要邀请码。 早起的鸟不一定吃到虫，但至少先占了训练工位。 关注 @BTCDTA 和 @0xsexybanana 机器人不会自己学会走路。 但你可以教它。 打开浏览器，动动鼠标，你就在参与建造物理AI的"GPT时刻"。 #AxisRobotics# #PhysicalAI# #Web3#

Axis Robotics 宣布完成 1,200 万美元种子轮融资，由 Hack VC 领投，Nomad Capital、10K Ventures 及多位天使投资人参投。资金将用于扩展其融合仿真、第一视角真实数据采集和人工反馈训练的机器人数据引擎，以支持 Physical AI 模型开发。

最近axis robotics其实有一些非常amazing的进展。还没形成paper，但是先简单分享一下激动的心情。 简单来说，过去一年，通过axis社区的数据贡献，我们其实积累了大量manipulation的动作轨迹数据。 但是我们逐步发现，这些数据更大的价值不是直接拿来训练某一个通用大模型，而是作为先验，告诉我们哪些特别的动作和状态值得探索。 最近，我们依靠 LLM 自动化生成场景和任务，然后在这些用户数据和少量自动生成数据的基础上，我们可以用高速、低成本的 RL，把每一个任务快速训练成一个接近 100% 成功率、覆盖大量状态变化的专项 Expert。 这个expert，你可以理解为是axis自研的针对某个特别的动作的专用模型，它专门针对这个任务场景可以取得非常强的泛化能力。 这些 Expert不仅具备很强的泛化能力，同时也可以通过物理和视觉随机化充分利用 Simulation，并进一步迁移到真实机器人，同时持续生成大量高质量、多样化的训练数据。 当我们把这个过程复制到成百上千个任务以后，就得到了一整个专家模型的Network：装箱、分拣、抓取等不同任务都有自己的强 专家模型，再把这些 Expert 的能力和数据统一蒸馏、fine-tune 到一个共享的 Foundation Model 里。 也许有一天，axis也拥有属于自己的海量专家模型甚至做出来属于我们的foundation model。how exciting it is