Source : Axis
Axis Robotics est en train de reconstruire la diversité et la production à grande échelle de données pour l’intelligence incarnée, en adoptant une stratégie axée sur la simulation (Simulation‑First).
En 2025, plusieurs trajectoires technologiques dans l’industrie robotique convergent rapidement : la mise à niveau commerciale de la chaîne d’approvisionnement matérielle pour l’incarnation permet pour la première fois aux prototypes coûteux d’atteindre une mise en œuvre à grande échelle ; les modèles vision-langage-mouvement (VLA) apportent aux robots un « cerveau » capable de comprendre la sémantique, de raisonner et de planifier ; et la pyramide de données composée de vidéos a priori et de synthèse par simulation continue d’alimenter l’évolution de l’intelligence incarnée.
Cependant, l’industrie fait face à un défi central : les données. Par rapport aux grands modèles de langage et à la conduite autonome, l’intelligence incarnée souffre encore d’un important déficit de données lors de la phase de pré-entraînement. Pour combler cette lacune, plusieurs approches sont en cours : les données opérationnelles massives d’UMI, les données interactives en vue subjective (Ego‑Centric) en vidéo, et un système de synthèse par simulation en rapide développement. Dans ce contexte d’évolution conjointe de ces sources de données, la communauté académique et l’industrie ont progressivement adopté un nouveau consensus technologique : le pré-entraînement basé sur des données simulées de haute qualité et à grande échelle, puis un ajustement fin avec peu de données réelles, constitue l’une des voies les plus réalisables actuellement.
Ce consensus impose toutefois des exigences plus strictes : les données simulées doivent être à la fois de haute qualité, peu coûteuses et facilement évolutives. Sinon, le double problème du coût élevé des données réelles et de la qualité insuffisante des simulations continuera à freiner la vitesse d’itération des modèles.
Alors, le « moment GPT » pour l’intelligence incarnée est-il déjà proche ?
La réponse d’Axis est affirmative — à condition de repenser en profondeur la production à grande échelle des données pour les robots et de redéfinir les paradigmes de déploiement dans le monde physique.
Axis Robotics permet à tout le monde de participer à la collecte de données pour l’intelligence incarnée
La collecte de données robotisées traditionnelle repose sur de petites équipes d’experts ou sur une téléopération locale, ce qui limite la scalabilité et la diversité. Pour dépasser cette limite, Axis adopte une stratégie Simulation-First, construisant une infrastructure de données pour l’intelligence incarnée de bout en bout, et augmentant considérablement la capacité de production grâce à la collaboration humaine distribuée. Les robots servent l’humanité tout en étant continuellement construits et améliorés par une participation humaine à grande échelle.
Dès sa création, Axis a compris que fournir uniquement des données ne suffisait pas. Pour véritablement résoudre le problème de l’approvisionnement en données pour l’intelligence incarnée, il faut une chaîne technologique complète couvrant tous les maillons clés : génération de tâches, collecte de données, évaluation et traitement des données.
● Génération de tâches : un moteur de tâches dynamiques à expansion infinie
Les limites des capacités des robots sont déterminées par la portée des données. Axis a développé un nouveau moteur de génération de tâches 3D dynamique, qui décompose les compétences essentielles du robot en compétences atomiques, et peut générer via des prompts une multitude de tâches simulées de haute qualité. Qu’il s’agisse d’un seul scénario ou de tâches complexes en chaîne, le robot peut évoluer en permanence dans un espace de tâches infiniment riche.
● Collecte de données : une plateforme accessible à tous sans barrière
Axis a porté dans le navigateur et sur appareils mobiles un environnement de simulation complexe auparavant réservé aux laboratoires spécialisés. Les utilisateurs n’ont qu’à ouvrir une page web pour contrôler en temps réel un robot ou un bras mécanique, générant ainsi des trajectoires de données de grande valeur, comme dans un jeu. Sans matériel ni compétences techniques, la production de données devient réellement « accessible partout, à tout moment, pour tous ».
● Évaluation et traitement des données : rendre chaque donnée « utilisable, entraînable, scalable »
Chaque trajectoire de données est automatiquement évaluée par notre système interne, qui filtre et traite selon plusieurs dimensions : complétude, stabilité, efficacité, fluidité. Le résultat final est un actif de données prêt à l’emploi pour l’entraînement des modèles. La haute qualité ne dépend plus d’un tri manuel, mais d’un processus systématique permettant une production à grande échelle.
Derrière cette capacité produit robuste, Axis a également construit une plateforme fondamentale puissante. MetaSim, notre moteur unifié dédié à l’intelligence incarnée, décharge la simulation, vérifie et augmente les données, constituant le cœur de la chaîne de traitement. Grâce à MetaSim, les trajectoires générées par des démonstrations humaines dans un simulateur léger Web peuvent être reproduites sans couture dans NVIDIA Isaac Sim pour une validation de haute précision. Par ailleurs, Axis exploite intensément la puissance physique et graphique d’Isaac Sim pour rendre les données avec une fidélité élevée et appliquer une randomisation de domaine à grande échelle. Cette étape clé amplifie la valeur des données pour la migration Sim-to-Real et l’entraînement de modèles robustes, permettant à chaque donnée de renforcer la généralisation et l’utilité dans le monde réel.
(Les données brutes collectées via le Web, après augmentation, sont utilisées pour entraîner le modèle et déployées sur des robots réels)
Par ailleurs, seule une mécanique d’incitations et de diffusion efficace peut faire véritablement prospérer cette infrastructure et cette gamme de produits. C’est là que réside la valeur unique de la cryptomonnaie. Axis souhaite utiliser la cryptomonnaie comme fondation pour construire un réseau d’incitations et de distribution véritablement utile pour les produits, permettant à tous les utilisateurs dans le monde de participer de manière distribuée à la construction de l’intelligence incarnée.
Ce réseau assurera la transparence, la traçabilité et la vérifiabilité de la contribution de données, de l’exécution des tâches et des retours d’incitation ; plus encore, il ouvre de nouvelles possibilités pour l’actifisation des tâches de collecte et des trajectoires, transformant chaque participation en un flux de valeur au sein de l’écosystème de l’intelligence incarnée.
Axis a déjà validé l’efficacité de sa chaîne de collecte de trajectoires dans la formation de modèles, via une pipeline complète de bout en bout
Lors de l’événement « Little Prince’s Rose », l’équipe a collecté en seulement trois jours plus de 10 000 trajectoires de haute qualité auprès de la communauté. Après des traitements d’amélioration tels que la vérification par reproduction et la lissage des données, celles-ci ont été directement intégrées à l’entraînement stratégique, puis déployées avec succès sur un bras Franka pour réaliser la tâche incarnée d’arrosage autonome.
Ce jalon démontre la capacité de transfert zero-shot Sim‑to‑Real d’Axis, et prouve pour la première fois que : une simulation à grande échelle via le Web, en crowdsourcing, peut générer des données de grande valeur pour l’entraînement de modèles d’intelligence incarnée.
La communauté montre un vif enthousiasme pour l’expérience produit d’Axis, à la fois ludique et stimulante. Après deux cycles de tests totalisant 15 jours, plus de 20 000 utilisateurs ont participé, générant plus de 170 000 trajectoires, toutes accessibles en temps réel sur le tableau de bord du produit.
La mission d’Axis Robotics est de promouvoir la véritable démocratisation de l’intelligence incarnée
Axis croit que, tout comme l’avenir des robots sera au service de la vie quotidienne de chacun, chaque personne doit aussi avoir le droit de participer à la construction de la prochaine génération de robots. La valeur centrale que Axis apporte au marché repose sur deux piliers :
- Un ensemble de données simulées de haute qualité pour le pré-entraînement
Axis fournit des données significatives pour les modèles de base des robots universels. « Haute qualité » ne signifie pas seulement en volume, mais aussi en diversité des tâches, en richesse des scénarios et en structure multimodale. L’objectif d’Axis n’est pas simplement de générer beaucoup de données, mais de redéfinir la norme industrielle — quelles données peuvent être directement utilisées pour le pré-entraînement et faire progresser la recherche et l’industrie.
- Une infrastructure de base évolutive
Au-delà des données, Axis construit une infrastructure technologique flexible, à faible barrière d’entrée, et à long terme évolutive, en adoptant une approche écosystémique pour sa réouverture. Notre vision est que cette infrastructure ne soit pas uniquement utilisée par Axis, mais qu’elle soit ouverte à d’autres acteurs pour co-construire l’écosystème de l’intelligence incarnée.
À l’avenir, nous ouvrirons progressivement les interfaces clés pour la création de tâches, la collecte, le traitement des données et l’entraînement des modèles, permettant aux développeurs, chercheurs, entreprises et communautés de participer via des plugins modulaires. Sans compromettre la rigueur technique, cet écosystème ouvert soutiendra à la fois une participation massive et une production de haute qualité, faisant de la construction de l’intelligence incarnée un processus véritablement ouvert et collaboratif.
Axis collabore avec de nombreux partenaires issus de l’industrie, des fabricants de robots et des entreprises de modèles, notamment Lotus Auto, Booster Robotics, QuarkTech, YuanDian Intelligence, pour faire avancer la production de données, l’entraînement de modèles et le déploiement pratique.
Par exemple, pour les robots incarnés nécessitant une collecte à grande échelle de données de téléopération, Axis transformera leur plateforme en jumeau numérique haute fidélité, et via une pipeline de génération dynamique de tâches, construira des scénarios et des actifs de tâches prêts pour la simulation (sim‑ready). Ensuite, grâce à son système distribué de distribution de tâches, les utilisateurs du monde entier pourront directement manipuler ces jumeaux numériques dans leur navigateur, contribuant à des trajectoires variées et de haute qualité, permettant une production de données et une collaboration commerciale standardisées et à faible coût.
Avec la maturation continue de la chaîne d’approvisionnement matérielle et la baisse significative des coûts de fabrication, la valeur de l’industrie de l’intelligence incarnée se déplace rapidement du hardware vers les modèles d’IA et l’infrastructure de données sous-jacente. Dans un marché de l’intelligence incarnée estimé à plusieurs milliers de milliards de dollars, la couche de données et d’algorithmes IA représentera environ 10 % de la valeur industrielle centrale. Et dans cette nouvelle économie des données, avec l’amélioration de la précision des moteurs physiques et l’application généralisée de la randomisation de domaine, les données simulées deviennent un facteur de production clé, passant d’un simple outil auxiliaire à une infrastructure fondamentale potentiellement valant des centaines de milliards de dollars.
Face à cette demande de marché en pleine explosion, Axis Robotics, avec une interface web légère et un mécanisme de distribution de tâches distribué, transforme le mode traditionnel de téléopération simulée « coûteux, centralisé et lourd » en un réseau mondial de données pouvant s’étendre de façon exponentielle.
En réduisant considérablement le coût marginal de production de données et en augmentant la capacité de collecte de trajectoires à haute fréquence, Axis offre non seulement une solution efficace et scalable pour ses partenaires, mais construit aussi un modèle commercial à fort potentiel de croissance, avec un marché de données pour l’intelligence incarnée en rapide expansion.
Perspectives : vers le « moment GPT » de l’intelligence incarnée
Le « moment GPT » de l’intelligence incarnée nécessite un moteur central capable de capturer l’intelligence humaine et de la convertir de manière stable en capacités exécutables vérifiables par machine. Avec le déploiement de la chaîne de base (Base Chain), Axis met en place une infrastructure distribuée tournée vers l’avenir — un réseau ouvert, résilient, capable de supporter la collaboration mondiale à grande échelle.
Le 25 mars, le produit principal d’Axis a été lancé officiellement, accessible à tous : utilisateurs ordinaires, chercheurs, développeurs, et laboratoires d’IA du monde entier pourront rejoindre cette écosystème pour construire le plus grand et le plus diversifié ensemble jeu de données pour l’entraînement des robots.
L’intelligence incarnée ne sera pas monopolisée par une minorité ; elle sera co-créée par tous.
Cet article provient d’une soumission et n’engage pas la position de BlockBeats.
Découvrez les offres d’emploi de Rhythm BlockBeats
Rejoignez la communauté officielle de Rhythm BlockBeats :
Groupe Telegram : https://t.me/theblockbeats
Groupe Telegram : https://t.me/BlockBeats_App
Compte officiel Twitter : https://twitter.com/BlockBeatsAsia
