今天看了一下 @axisrobotics 的数据，更直观地理解了一件事：
大家每天蹲机械臂任务，交出去的那些轨迹，真的不是在做无意义的积分小游戏。
Axis Dataset V1 用社区采集的模拟数据继续训练机器人策略后，π0.5 在 LIBERO-Plus 上的表现从 83.9% 提升到了 88.8%。
而且随着训练数据从完整数据集的 25% 一路增加到 100%，模型表现也在继续提升。
这就是 Axis 机械臂任务最核心的价值：
我们提交的每一条 data trajectory，本质上都在给机器人补训练数据。
目前 Axis 已经积累了数百万条轨迹、数万小时数据，以及数千个活跃任务，参与贡献的用户也已经来到十万级别。
机器人和大模型不太一样。
语言模型可以吃互联网上海量现成文本，但机器人真正需要的是各种环境、动作、物体和操作场景的数据。
数据覆盖得越广，机器人学到的情况越多，未来从模拟环境走进真实世界时，面对各种意外和变化的适应能力才会更强。
所以再回头看 Axis 的机械臂任务，它不只是“做任务奖励积分”。
更像是把原本集中在实验室里的机器人数据采集，拆成了一个全球用户都可以参与的数据生产网络。
这是我觉认为 @axisrobotics 比单纯发积分更有价值的地方。
积分是激励，数据才是真正的产品。
测试网入口：
@axisrobotics @KaitoAI
显示更多
