.@axisrobotics 上线了积分系统 积分每两周（一个周期）计算并分配。 每个周期于 UTC 时间周五 00:00 结束 积分将于下周一 UTC 时间 12:00 发放 以下几个因素决定了你的积分分配 1⃣任务量：你完成多少个有效任务 2⃣难度：你完成的任务难度等级 3⃣评分：每个有效、已签名的提交的质量 4⃣多样性：你的任务涵盖不同场景和技能的广度 5⃣推荐：你的直接邀请者产生的真实产出 ✅🔗： 在2026年7月28日 UTC 15:59:59 之前签名的有效贡献， 将获得一次性追溯积分授予 您的 Discord 角色和获得的徽章将不会转换为积分

自从 @axisrobotics 宣布12M 融资后，热度一下起来了！ 在外语区很火热,还有很多人没有Aliance（联盟）的码子 * 那么送一些 Aliance 的码子吧，我希望不要被工作室撸走了~ 需要码子的在评论区发送任意一个关注截图，我会DM你码子，先到先得 @yaoyaogm 或者 @0xsexybanana 或者 @dj673285379

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#

我这几天被 @axisrobotics 的双臂任务折腾得坏了，人都萎了，这种数据收集方式，对我这种手残党太难了。 难道，除了这种没有别的更人性化的训练方式了吗？我尝试去学习了解具身智能的数据采集方式。 目前主流的方法，大致有四条路。 真机遥操作是最直接的一种。 操作员戴上VR眼镜，握着手柄或遥操作手套，实时操控特定型号的机器人完成任务，同时记录关节角度、力反馈这些信息。 好处很明显：数据质量高，跟目标机器人贴合紧密，力触觉信息完整，训练出的模型基本可以直接部署。但代价也大，设备贵，需要真机和专用场地，人员配合成本高。而且数据跟机型强绑定，换一台机器人就很难复用，场景也相对固定，采集效率自然上不去。 为了降低门槛，UMI（通用操作接口）给出了另一种思路。 操作员手持一个标准化的夹爪，通常就是3D打印件加上运动相机，在真实场景里直接操作，记录末端视角、夹爪状态和运动轨迹。设备便宜、便携，数据还能在不同机器人和夹爪之间复用。 但精细操作还是受限：夹爪本身不够自然，像拧螺丝这类任务就很难完成；同时缺少环境和行走决策信息，主要适用于机械臂训练。 动作捕捉则更贴近人的自然动作。 通过穿戴设备记录人体和手部关键点的轨迹，再映射到机器人系统。动作自然，成本相对可控，也不用部署真实机器人，适合批量采集。 问题在于场景受限：多数设备需要专用空间，很难进入家庭或真实非结构化环境，对遮挡也比较敏感。 成本最低、规模潜力最大的，是Ego（第一人称视频）。 采集员只需佩戴头戴式相机等简单设备，以第一视角记录日常操作，包含手部动作、环境信息和身体关键点。设备简单，容易在家庭、商超等真实场景里大规模众包。信息也丰富，蕴含人类决策逻辑和手物交互细节。 但精度有限，缺乏力触觉和精确的关节轨迹，手部关键点往往要靠后期预测。原始视频里还有大量无效片段，清洗和对齐的工作量不小。 像Axis Robotics这样的平台，目前走的是仿真环境下的遥操作路线。 用户在浏览器里用键盘、鼠标控制模拟的双臂机器人，生成关节状态、物体位姿和控制动作数据。这有点像真机遥操作的“模拟版”，降低了硬件门槛，能快速积累大规模轨迹。 但跟真实物理数据终究有差距，操作学习曲线依然存在，普通人要熟练掌握并不容易。Axis也在推进移动端的第一人称数据采集，尝试把仿真和真实Ego数据结合起来。 回过头看，如果未来可穿戴智能设备能更成熟地捕捉自然动作、力反馈和场景信息，数据采集或许会接近我们最初的想象，不需要复杂的遥操作，直接从日常行为里提取高质量物理数据。 到那时，训练机器人的门槛才能真正降下来，数据规模和多样性也才能跟上模型的进步。 每种方式都有取舍。真机遥操作求精度，UMI和动作捕捉重便携与自然，Ego主打规模。实际应用中，往往要多种方式互补，既保证数据质量，又覆盖足够多的场景。 #PhysicalAI# #Robotics# #EmbodiedAI#

聊一下 Axis @axisrobotics 项目目前融资 1200 万美元，切入的是机器人训练数据赛道。 过去几年，AI 叙事一直围绕大模型、Agent、算力展开，但下一阶段真正的竞争，可能会从“谁拥有更强的模型”转向“谁拥有更优质的数据和真实世界反馈”。 机器人是 AI 走向现实世界的重要入口，而训练数据就是机器人进化的燃料。 我查了一些资料，也和 Grok 讨论过这个方向。相比过去很多测试网交互、刷任务获取积分，本质上没有沉淀价值，机器人训练数据的价值可能完全是另一个维度。 因为一次有效的数据采集，可能是在帮助机器人提升真实环境下的决策能力，这种资产属性和普通链上行为数据并不一样。 当然，市场也需要理性看待。 Axis 背后有 Hack VC 投资，这家机构在 Web3 投资领域很活跃，但从过去项目来看，空投预期通常不会特别激进，社区激励相对保守。 所以 Axis 真正值得关注的，不是“有没有空投”，而是它能不能成为 AI+机器人时代的数据基础设施。 如果机器人是 AI 下一阶段的战场，那么训练数据可能就是新的石油。

推特抽一套 @axisrobotics 的周边，没啥要求，关注一下 @axisrobotics 的号就行。axis这个项目我很好看。 爱我就使劲抽。谢谢🤣，2小时开奖。