文章来源：Axis

Axis Robotics 正在以仿真优先（Simulation‑First）的策略，重构具身智能的数据多样性与规模化生产方式。

ในปี 2025 เส้นทางเทคโนโลยีหลายสายของอุตสาหกรรมหุ่นยนต์กำลังรวมตัวกันอย่างรวดเร็ว: การอัปเกรดซัพพลายเชนฮาร์ดแวร์ของ具身硬件ให้เป็นเชิงพาณิชย์ ทำให้โมเดลต้นแบบที่เคยแพงกลายเป็นไปได้ในเชิงการผลิตขนาดใหญ่; โมเดล视觉‑语言‑动作（VLA）มอบ “สมอง” สำหรับหุ่นยนต์ในการเข้าใจความหมาย การวิเคราะห์ และการวางแผน; และจากข้อมูลวิดีโอเบื้องต้นสู่การสร้างสังเคราะห์ด้วย仿真合成 ที่เป็นชั้นของพีระมิดข้อมูล ก็เป็นเชื้อเพลิงให้具身智能 พัฒนาต่อเนื่องอย่างไม่หยุดหย่อน

อย่างไรก็ตาม อุตสาหกรรมยังคงเผชิญกับอุปสรรคสำคัญที่สุด: ข้อมูล เมื่อเทียบกับโมเดลภาษาขนาดใหญ่และการขับเคลื่อนอัตโนมัติ，具身智能 ยังขาดแคลนข้อมูลในช่วง pre-training อย่างมาก ในบริบทนี้ อุตสาหกรรมกำลังดำเนินไปตามเส้นทางต่าง ๆ รวมกัน: ข้อมูลการดำเนินงานจำนวนมากของ UMI, ข้อมูลวิดีโอจากมุมมองบุคคล (Ego‑Centric) สำหรับการโต้ตอบธรรมชาติ, และระบบข้อมูล仿真合成ที่พัฒนาอย่างรวดเร็ว ในบริบทของการพัฒนาร่วมกันของแหล่งข้อมูลเหล่านี้ นักวิชาการและอุตสาหกรรมได้สรุปเป็นแนวทางเทคนิคใหม่: การ pre-train ด้วยข้อมูล仿真คุณภาพสูงและขนาดใหญ่ แล้วปรับแต่งด้วยข้อมูล真机จำนวนน้อย เป็นหนึ่งในเส้นทางที่เป็นไปได้ในปัจจุบัน

แต่แนวคิดนี้ก็มีข้อกำหนดที่สูงขึ้น — ข้อมูล仿真ต้องมีคุณภาพสูง ค่าต้นทุนต่ำ และสามารถขยายขนาดได้พร้อมกัน มิฉะนั้น ความยุ่งยากระหว่างต้นทุนสูงของข้อมูล真机 กับคุณภาพ仿真ที่ไม่เพียงพอ จะยังคงชะลอความเร็วในการฝึกโมเดลต่อไป

ดังนั้น คำถามคือ: ช่วงเวลา “GPT สำหรับ具身智能” ใกล้เข้ามาหรือยัง?

คำตอบของ Axis คือ แน่นอน — แต่ต้องปฏิรูปวิธีการผลิตข้อมูลของหุ่นยนต์ให้เป็นเชิงขนาดใหญ่ และนิยามแนวทางการใช้งานในโลกทางกายภาพใหม่ทั้งหมด

Axis Robotics ทำให้คนธรรมดาสามารถมีส่วนร่วมในการเก็บข้อมูล具身智能

การเก็บข้อมูลหุ่นยนต์แบบดั้งเดิมพึ่งพาทีมผู้เชี่ยวชาญขนาดเล็กหรือการควบคุมระยะไกลในพื้นที่ ซึ่งจำกัดการขยายขนาดและความหลากหลาย เพื่อแก้ไขอุปสรรคนี้ Axis ใช้นโยบาย仿真优先（Simulation-First） สร้างโครงสร้างพื้นฐานข้อมูล具身智能แบบ end-to-end และเพิ่มความสามารถในการผลิตข้อมูลอย่างมากด้วยความร่วมมือแบบกระจายศูนย์ของมนุษย์ หุ่นยนต์ไม่เพียงให้บริการมนุษย์เท่านั้น แต่ยังได้รับการพัฒนาและวิวัฒนาการอย่างต่อเนื่องในกระบวนการมีส่วนร่วมของมนุษย์จำนวนมาก

ตั้งแต่ก่อตั้ง Axis ตระหนักดีว่า: การให้ข้อมูลเพียงอย่างเดียวไม่เพียงพอ ต้องสร้างสายเทคโนโลยีครอบคลุมทุกขั้นตอน ตั้งแต่การสร้างภารกิจ การเก็บข้อมูล ไปจนถึงการประเมินและการประมวลผลข้อมูล ซึ่งประกอบด้วยสามขั้นตอนสำคัญ:

● การสร้างภารกิจ: เครื่องยนต์ภารกิจแบบไดนามิกที่สามารถขยายได้ไม่จำกัด

ขอบเขตของข้อมูลเป็นตัวกำหนดขอบเขตความสามารถของหุ่นยนต์ Axis ได้สร้างเครื่องยนต์生成ภารกิจ 3D แบบไดนามิกรุ่นใหม่ ซึ่งจะแยกโครงสร้างทักษะที่จำเป็นของหุ่นยนต์ออกเป็นทักษะระดับอะตอม และสามารถสร้างภารกิจ仿真คุณภาพสูงจำนวนมากโดยใช้คำสั่ง提示词 ตั้งแต่ฉากเดียวจนถึงภารกิจเชื่อมต่อซับซ้อน หุ่นยนต์สามารถพัฒนาต่อเนื่องในพื้นที่ภารกิจที่ไม่มีที่สิ้นสุด

● การเก็บข้อมูล: แพลตฟอร์มเก็บข้อมูลที่ทุกคนสามารถใช้งานได้โดยไม่มีข้อจำกัด

Axis นำสภาพแวดล้อม仿真ซับซ้อนที่เคยใช้ในห้องปฏิบัติการเฉพาะทาง มาไว้ในเบราว์เซอร์และอุปกรณ์เคลื่อนที่ ผู้ใช้เพียงเปิดเว็บ ก็สามารถควบคุมหุ่นยนต์และแขนกลแบบเรียลไทม์ เหมือนเล่นเกม เพื่อสร้างเส้นทางข้อมูลที่มีคุณค่า ไม่มีภาระฮาร์ดแวร์ ไม่มีข้อจำกัดด้านเทคนิค — การผลิตข้อมูลจึงเป็นเรื่องง่ายที่ “ทุกเวลา ทุกที่ สำหรับทุกคน”

● การประเมินและการประมวลผลข้อมูล: ทำให้ข้อมูลแต่ละชิ้น “พร้อมใช้งาน, พร้อมฝึก, พร้อมขยาย”

เส้นทางข้อมูลแต่ละเส้นจะผ่านระบบประเมินอัตโนมัติที่พัฒนาโดย Axis ซึ่งวัดจากความสมบูรณ์ ความเสถียร ความมีประสิทธิภาพ และความลื่นไหล โดยใช้หลายมิติในการคัดกรองและประมวลผล สุดท้ายได้ข้อมูลที่สามารถนำไปใช้ในโมเดลได้โดยตรง คุณภาพสูงไม่จำเป็นต้องตรวจสอบด้วยมนุษย์อีกต่อไป แต่สามารถผลิตในเชิงระบบได้อย่างรวดเร็วและขยายได้

เบื้องหลังความสามารถของผลิตภัณฑ์ที่สมบูรณ์นี้ Axis ได้สร้างฐานรากที่แข็งแกร่ง MetaSim เป็นแพลตฟอร์มพื้นฐานที่ออกแบบมาเพื่อ具身智能 โดยรับผิดชอบการแยกอิสระ仿真器 การตรวจสอบข้อมูล และการเสริมข้อมูล เป็นกลไกหลักของสายงานข้อมูลทั้งหมด ด้วย MetaSim ผู้ใช้สามารถสร้างเส้นทาง演示ของมนุษย์จำนวนมากใน仿真เบา ๆ บนเว็บ แล้วนำไปตรวจสอบความแม่นยำสูงใน NVIDIA Isaac Sim ได้อย่างไร้รอยต่อ ในเวลาเดียวกัน Axis ใช้ประโยชน์จากพลังของ Isaac Sim ในด้านฟิสิกส์และกราฟิก เพื่อสร้างภาพ仿真ความละเอียดสูงและทำ域随机化 (Domain Randomization) ขึ้นใหม่ในระดับใหญ่ ด้วยขั้นตอนสำคัญนี้ ข้อมูลจึงสามารถนำไปใช้ในกระบวนการ Sim‑to‑Real และการฝึกโมเดลที่มีความทนทานได้อย่างมีประสิทธิภาพ ทำให้ข้อมูลแต่ละชิ้นมีความสามารถในการทั่วไปในโลกจริงและใช้งานได้จริงมากขึ้น

(ข้อมูลดิบที่เก็บบนเว็บหลังจากการเสริมข้อมูล ถูกนำไปใช้ในการฝึกโมเดลและติดตั้งใน真机สำเร็จ)

ในเวลาเดียวกัน การสร้างกลไกจูงใจและการแพร่กระจายที่มีประสิทธิภาพเป็นสิ่งสำคัญ เพื่อให้โครงสร้างพื้นฐานและผลิตภัณฑ์นี้สามารถเติบโตและแพร่หลายได้อย่างแท้จริง นี่คือคุณค่าที่เป็นเอกลักษณ์ของ Crypto Axis หวังใช้ Crypto เป็นรากฐาน สร้างเครือข่ายจูงใจและการแจกจ่ายที่แท้จริง เพื่อให้ผู้ใช้ทั่วไปทั่วโลกสามารถมีส่วนร่วมในกระบวนการสร้าง具身智能แบบกระจายศูนย์

ผ่านเครือข่ายนี้ การสนับสนุนข้อมูล การดำเนินภารกิจ และการตอบสนองต่อแรงจูงใจจะโปร่งใส ตรวจสอบได้ และสามารถติดตามได้อย่างเต็มที่ ที่สำคัญคือ มันเปิดโอกาสใหม่ในการสร้างสินทรัพย์จากงานเก็บข้อมูลและเส้นทางข้อมูล — ให้ทุกการมีส่วนร่วมกลายเป็นส่วนหนึ่งของการไหลของมูลค่าในระบบนิเวศ具身智能

Axis ได้สร้างสายงานข้อมูล end-to-end ที่สมบูรณ์แล้ว เพื่อยืนยันความมีประสิทธิภาพของเส้นทางข้อมูลในการฝึกโมเดล

ในกิจกรรม “Little Prince’s Rose（ดอกกุหลาบของเจ้าชายตัวน้อย）” ทีมงานเก็บเส้นทางข้อมูลคุณภาพสูงกว่า 10,000 เส้นในเวลาเพียงสามวัน จากการทบทวนซ้ำ การปรับแต่งข้อมูล และการส่งเสริมอื่น ๆ เส้นทางข้อมูลเหล่านี้ถูกนำไปใช้ในฝึกกลยุทธ์ และสุดท้ายก็ถูกติดตั้งในแขนกล Franka เพื่อทำภารกิจรดน้ำต้นไม้โดยอัตโนมัติ

ความสำเร็จนี้แสดงให้เห็นถึงความสามารถในการทำ仿真‑to‑Real โดยไม่ต้องใช้ตัวอย่าง (zero-shot) ของ Axis และเป็นครั้งแรกที่พิสูจน์ว่า: 仿真บนเว็บแบบ crowdsourcing ขนาดใหญ่สามารถสร้างข้อมูลคุณค่าสูงสำหรับการฝึกโมเดล具身智能ได้อย่างเต็มที่

ชุมชนแสดงความสนใจอย่างมากในประสบการณ์ผลิตภัณฑ์ของ Axis ที่มีทั้งความสนุกและความท้าทาย การทดสอบสองรอบรวม 15 วัน มีผู้เข้าร่วมมากกว่า 20,000 คน และเส้นทางข้อมูลสะสมกว่า 170,000 เส้น ซึ่งข้อมูลเหล่านี้สามารถดูได้แบบเรียลไทม์ในแดชบอร์ดของผลิตภัณฑ์

Axis Robotics ภารกิจของเราคือ ส่งเสริมให้具身智能 เป็นประชาธิปไตยอย่างแท้จริง

Axis เชื่อว่า เช่นเดียวกับอนาคตของหุ่นยนต์ที่จะให้บริการในชีวิตประจำวันของทุกคน คนธรรมดาควรมีสิทธิ์ร่วมสร้างหุ่นยนต์รุ่นต่อไป สุดท้าย ค่าหลักของ Axis ที่ส่งมอบให้ตลาดตั้งอยู่บนเสาหลักสองประการ:

1、ชุดข้อมูล仿真หุ่นยนต์คุณภาพสูงสำหรับ pre-training

Axis กำลังสร้างข้อมูลที่มีความหมายจริงสำหรับโมเดลพื้นฐานของหุ่นยนต์ทั่วไป “คุณภาพสูง” ไม่ใช่แค่ในด้านขนาด แต่รวมถึงความหลากหลายของภารกิจ ความสมบูรณ์ของฉาก และโครงสร้างข้อมูลแบบมัลติโมเดียล จุดมุ่งหมายของ Axis ไม่ใช่แค่สร้างข้อมูลจำนวนมาก แต่คือการนิยามมาตรฐานอุตสาหกรรมใหม่ — ข้อมูลแบบใดที่สามารถนำไปใช้โดยตรงในการ pre-train และผลักดันความก้าวหน้าทางวิชาการและอุตสาหกรรมของหุ่นยนต์

2、โครงสร้างพื้นฐานที่สามารถขยายได้

นอกจากข้อมูลแล้ว Axis ยังสร้างโครงสร้างพื้นฐานด้านเทคโนโลยีที่เข้าถึงง่าย ยืดหยุ่น และสามารถขยายได้ในระยะยาว โดยใช้แนวคิดแบบ ecosystem เพื่อกำหนดวิธีการเปิดกว้างของมัน วิสัยทัศน์ของเราคือ ทำให้โครงสร้างพื้นฐานนี้ไม่ใช่ของ Axis เพียงฝ่ายเดียว แต่เปิดให้ผู้มีส่วนร่วมมากขึ้นร่วมสร้างระบบนิเวศ具身智能 อย่างเต็มที่

ในอนาคต เราจะค่อย ๆ เปิด API สำหรับการสร้างภารกิจ การเก็บข้อมูล การประมวลผลข้อมูล และการฝึกโมเดล ให้ผู้พัฒนา นักวิจัย บริษัท และชุมชนสามารถเข้าร่วมได้ในรูปแบบปลั๊กอินและการประกอบกัน โดยไม่ลดทอนความเข้มงวดด้านเทคนิค ระบบนิเวศแบบเปิดนี้จะสนับสนุนการมีส่วนร่วมในระดับมวลชนและการสร้างโมเดลคุณภาพสูงในเวลาเดียวกัน ทำให้การสร้าง具身智能 จากกระบวนการปิดกลายเป็นความร่วมมือแบบเปิดอย่างแท้จริง

Axis กำลังสร้างความร่วมมือในระบบนิเวศอย่างกว้างขวางกับอุตสาหกรรมการผลิต ผู้ผลิตหุ่นยนต์ และบริษัทโมเดล เช่น Lotus Auto, Booster Robotics, Qunhe Technology, YuanDian Intelligence เพื่อผลักดันการผลิตข้อมูล การฝึกโมเดล และการใช้งานจริงในหลายมิติ

สำหรับบริษัท具身机器人 ที่ต้องการข้อมูลการควบคุมระยะไกลแบบขยายขนาด Axis จะเปลี่ยนหุ่นยนต์เป็น Digital Twin ที่มีความสมจริงสูง และสร้าง场景และภารกิจที่พร้อมสำหรับ仿真 ด้วยการสร้างภารกิจแบบไดนามิกผ่าน pipeline ของเรา จากนั้น ผู้ใช้งานทั่วโลกสามารถควบคุม Digital Twin ผ่านเบราว์เซอร์โดยตรง เพื่อสร้างเส้นทางข้อมูลคุณภาพสูงในรูปแบบมาตรฐานและต้นทุนต่ำ

เมื่อซัพพลายเชนฮาร์ดแวร์ของหุ่นยนต์เติบโตและต้นทุนการผลิตลดลงอย่างมาก ค่าของ具身智能 ก็เปลี่ยนจากฮาร์ดแวร์เป็นโมเดล AI และโครงสร้างพื้นฐานข้อมูลด้านล่างอย่างรวดเร็ว ในอนาคต ตลาด具身智能 ที่คาดว่าจะมีมูลค่าหลายล้านล้านดอลลาร์ จะมีข้อมูลและอัลกอริธึม AI คิดเป็นประมาณ 10% ของมูลค่าหลักอุตสาหกรรม และในระบบเศรษฐกิจข้อมูลใหม่ที่เกิดขึ้นนี้ ด้วยความแม่นยำของเอนจินฟิสิกส์และเทคโนโลยี域随机化 การ仿真ข้อมูลจะกลายเป็นปัจจัยหลักในการผลิตและกลายเป็นเส้นทางโครงสร้างพื้นฐานมูลค่าหลายพันล้านดอลลาร์

ในช่วงที่ความต้องการตลาดนี้ใกล้ระเบิด Axis Robotics ใช้กลไกเว็บเบาและการแจกจ่ายงานแบบกระจายศูนย์ เพื่อเปลี่ยนรูปแบบ仿真遥操作แบบเดิมที่แพงและใช้ทรัพยากรมาก ให้กลายเป็นเครือข่ายข้อมูลระดับโลกที่สามารถขยายตัวได้อย่างรวดเร็ว

ด้วยการลดต้นทุนการผลิตข้อมูลต่อหน่วย เพิ่มความสามารถในการเก็บเส้นทางในระดับสูงพร้อมกัน Axis ไม่เพียงแต่ให้โซลูชันข้อมูลที่มีประสิทธิภาพและขยายได้เท่านั้น แต่ยังสร้างโมเดลธุรกิจที่มีการเติบโตสูงและมีศักยภาพในการทำซ้ำในตลาดข้อมูล具身智能ที่กำลังเติบโตอย่างรวดเร็วนี้

อนาคต: ก้าวเข้าสู่ “GPT สำหรับ具身智能”

“GPT สำหรับ具身智能” ต้องการเครื่องยนต์หลักที่สามารถ จับภาพปัญญามนุษย์และแปลงเป็นความสามารถในการดำเนินการของเครื่องจักรที่ตรวจสอบได้อย่างมั่นคง ด้วยการเปิดตัว Base Chain อย่างเป็นทางการ Axis กำลังวางระบบโครงสร้างพื้นฐานแบบกระจายที่มีความยืดหยุ่นและสามารถรองรับความร่วมมือระดับโลกได้

เมื่อวันที่ 25 มีนาคม ผลิตภัณฑ์หลักของ Axis ได้เปิดตัวอย่างเป็นทางการ เปิดให้ทุกคนเข้าร่วม: ผู้ใช้ทั่วไป นักวิจัย นักพัฒนา และห้องปฏิบัติการ AI ทั่วโลก สามารถเข้าร่วมในระบบนิเวศนี้ เพื่อสร้างชุดข้อมูลฝึกหุ่นยนต์ที่มีขนาดและความหลากหลายมากที่สุดในประวัติศาสตร์

具身智能 จะไม่ถูกผูกขาดโดยกลุ่มใดกลุ่มหนึ่ง แต่จะเป็นความร่วมมือของทุกคน

บทความนี้มาจากการส่งต่อ ไม่ใช่มุมมองของ BlockBeats

คลิกเพื่อดูตำแหน่งงานใน律动BlockBeats

ยินดีต้อนรับเข้าร่วมชุมชนทางการของ律动BlockBeats:

Telegram กลุ่มสมัครสมาชิก：https://t.me/theblockbeats

Telegram กลุ่มสนทนา：https://t.me/BlockBeats_App

Twitter อย่างเป็นทางการ：https://twitter.com/BlockBeatsAsia