Skalakan Psyhical AI untuk dunia nyata. Kecerdasan robot tidak dibangun oleh segelintir orang; ia dibangun oleh semua orang. Akun Komunitas untuk @axisrobotics
Joined March 2026
- Tweets663
- Following68
- Followers572
- Likes877
Pinned Tweet
Axis Robotics adalah @base-native Compounding Data Engine terkemuka untuk Physical AI. Hari ini, kami membuka pra-registrasi untuk Program Penjualan Komunitas Axis untuk token utilitas kami, $AXIS, yang didukung oleh Sonar by @echodotxyz .
Berikut adalah gambaran umum tentang spesifikasi program, jadwal waktu, kriteria kelayakan, dan proses partisipasi. 🧵
Axis Robotics is the leading @base-native Compounding Data Engine for Physical AI. Today, we're opening pre-registration for the Axis Community Sale Program for our utility token, $AXIS, powered by Sonar by @echodotxyz.
Below is an overview of the program specs, timeline, eligibility criteria, and participation process. 🧵
🚨Axis Sim Training Live #1: Mastering "Wheeled Franka Tasks" 🤖⚙️
Ingin tahu cara mengoptimalkan kontrol robot dan menyelesaikan trajectory dengan efisien?
Axis Robotics Indonesia bakal hadir dengan sesi baru yaitu Axis Sim Training Live.
Apa saja yang akan kita bedah bersama?
▫️Pengenalan model robot Wheeled Franka vs Franka Arm standar.
▫️Panduan teknis pengontrolan dasar dan trik kombinasi tombol untuk mobilitas cepat.
▫️Strategi penyelesaian tugas secara efisien.
▫️Sesi Tanya-Jawab interaktif langsung bersama trainer.
Catat Waktunya:
📅 Tanggal: 12 November 2026
⏰ Waktu: 20:00 WIB (UTC+7)
📍 Platform: X
Sesi ini terbuka untuk semua orang.
Sampai jumpa gAxis! 🤖✨
Bagaimana cara memilih demo simulasi untuk co-training ketika data robot nyata langka ?
Memperkenalkan TUCO: Kurasi Demonstrasi Simulasi untuk Co-Training Kebijakan Robot Sim-ke-Nyata, studi sistematis pertama tentang kurasi data untuk co-training kebijakan robot sim-ke-nyata.
Dengan hanya 10 demo nyata dan 600 demo sim yang dikurasi per tugas, TUCO mencapai keberhasilan robot nyata 85,8%, dibandingkan 25,8% untuk seluruh kumpulan 1.200 atau 600 acak, dan menetapkan SOTA di seluruh tiga pengaturan transfer.
Kolaborasi dengan peneliti dari @Stanford @NTUsg
@CarnegieMellon @FudanUniversity @UCBerkeley @sjtu1896.
Project page: tuco-curation.github.io
Detail di bawah ini ⬇️
1
1
138
5/6 Eksperimen Simulasi
Kami memvalidasi kriteria tersebut dalam dua pengaturan simulasi dengan protokol yang sama, dirata-ratakan dari tiga seed.
Single-simulator (RoboMimic). Sumber dan target berbagi satu simulator, yang mengisolasi kriteria kurasi dari kesenjangan domain apa pun. Pada Lift, Square, dan Transport, TUCO adalah yang terbaik atau seri-terbaik dalam 18 dari 25 pengaturan tugas-anggaran, dan menyamai pelatihan all-data pada Lift hanya dengan menggunakan 25% dari data.
Sim-to-sim (IsaacSim ke MuJoCo). Demo dihasilkan dalam satu simulator dan dievaluasi dalam simulator lain, sebuah pengganti terkendali untuk kesenjangan sim-to-real. TUCO adalah yang terbaik dalam 15 dari 18 pengaturan dan di atas seleksi acak dalam semua 18. Pool IsaacSim lengkap bahkan merugikan CupCake, sementara subset yang dikurasi memberikan hasil terbaik pada setiap tugas.
1
17
6/6
Ketika data nyata langka, pemilihan yang cermat mendorong nilai data sim lebih dari volume mentah. Utilitas berbasis pengaruh dan cakupan menawarkan cara tertutup untuk memilih demo yang benar-benar transferable ke robot nyata.
Project page: tuco-curation.github.io
Paper: arxiv.org/abs/2610.05407
Code: github.com/Z-yiwei/tuco
1
40
Axis Robotics indonesia retweeted
Dapet lagi nih koleksi Tshirt dari @AxisRoboticsID
Thank you ya @0xRyzzu buat merch nyaa
Yuhuuuuu 🥳🥳
Axis Robotics indonesia retweeted
Finally arrived!!!
Thank you @AxisRoboticsID @axisrobotics for the cool merch
Special thanks to our leader @0xRyzzu
Now i’m full time axis worker😂
#gAxis
Axis Robotics indonesia retweeted
Yow... Finally arrived!
Big thanks to the @AxisRoboticsID region leader, @0xRyzzu , for the @axisrobotics cool merch! gAxis
Pembaruan Produk 🛠️
Kami telah mengurangi jumlah slot tugas terbuka. Inilah alasannya.
1️⃣ GPT-6 kini dapat menyelesaikan tugas-tugas sederhana dan menghasilkan lintasan yang andal untuknya. Kami akan semakin mengurangi pekerjaan pengumpulan berulang seiring kami maju ke depan.
2️⃣ Demonstrasi manusia berkualitas tinggi tetap sangat penting untuk tugas-tugas kompleks. Demonstrasi ini membawa nilai yang jauh lebih besar daripada lintasan rutin.
Musim 1 berfokus pada masukan manusia yang beragam untuk pra-pelatihan. Dengan fondasi itu sudah terpasang, fokus kami beralih ke RL, para ahli, dan distilasi. Struktur slot yang lebih ketat mendukung pergeseran ini secara langsung, dan menjaga sumber daya terkonsentrasi pada umpan balik berkualitas tinggi dan nilai praktis.
Lihat peta jalan teknis tingkat tinggi kami ⬇️
3
109
Axis Robotics indonesia retweeted
Thank's boss @0xRyzzu @AxisRoboticsID
Keep push, keep strong and keep build with @axisrobotics @plpiaoliang @0xsexybanana
Axis Robotics indonesia retweeted
merch has arrived! 📦
big thanks to @AxisRoboticsID for the goodies
always nice to see projects building real connections with their community
appreciate it!
terimakasih juga kepada regional leader indonesia kita @0xRyzzu 🔥
Bagaimana VLAs belajar dari demonstrasi robot yang secara alami suboptimal?
Memperkenalkan AXIS-Bench: What Matters in Quality-Aware VLA Pretraining, sebuah benchmark dan studi empiris tentang bagaimana kualitas demonstrasi seharusnya didefinisikan, diberi label, dan digunakan selama pretraining.
Di seluruh tiga VLAs dan 24 tugas downstream, kami secara sistematis membandingkan pilihan pembelajaran yang sadar kualitas dan menemukan bahwa tidak ada resep tunggal yang berfungsi untuk setiap model.
Sebuah kolaborasi dengan peneliti dari @GeorgiaTech @CarnegieMellon @UCBerkeley @NTUsg @NUSingapore @RiceUniversity @UCRiverside @TAMU .
Detail & Rilis Dataset Pendamping ⬇️
1
3
201
6/7 perilisan Data
Dataset Axis V1 diluncurkan pada bulan Agustus. Sejak itu, kami telah membangun Dataset V2, yang sekarang mencakup 1.092 tugas dan 2,35 juta episode (termasuk augmentasi kamera). Dataset pendamping yang digunakan dalam AXIS-Bench semuanya dikurasi dari kumpulan V2:
• Dataset pra-latihan. 5.000 demo simulasi Franka di seluruh 731 tugas, dengan label kualitas dan indeks frame.
• Dataset benchmark. 354 demo penyesuaian halus di seluruh 24 tugas yang ditahan, dengan definisi tugas dan pemeriksa keberhasilan, aset adegan, serta tata letak evaluasi.
• Dataset pra-latihan sim-ke-nyata. 19.250 episode simulasi yang dapat diputar ulang di seluruh 663 tugas, siap untuk dirender ulang ke ruang kerja Anda sendiri untuk pra-latihan sebelum penyesuaian halus demo nyata.
Kedua upaya tersebut melayani tujuan yang saling melengkapi: Axis mengembangkan sumber daya data, sementara AXIS-Bench mempelajari bagaimana kualitas data dan pilihan pelatihan memengaruhi kinerja VLA hilir.
teapaw.org/axisrobotics/status/20…
Introducing Axis Dataset V1 - the simulation dataset for scalable robot manipulation.
Can noisy, crowdsourced simulation data support embodied pretraining? Yes—with enough coverage and diversity.
Continual pretraining on AXIS dataset V1 lifts π0.5 from 83.9% to 88.8% on LIBERO-Plus, with performance improving consistently as the pretraining data scales from 25% to 100% of the full dataset, showing no clear saturation.
Built with researchers from @GeorgiaTech @UCBerkeley @TAMU @JohnsHopkins @Penn @UMich @NUSingapore @NTUsg.
➡️Related links:
Paper: arxiv.org/abs/2607.21588
Dataset: huggingface.co/datasets/axis…
Project Page: axisaiorg.github.io/AXIS-V1/
GitHub Codebase: github.com/AxisAIOrg/Axis-V1…
1
40
7/7 Tautan
Jelajahi AXIS-Bench dan sumber daya data yang lebih luas kami: Sumber Daya Proyek:
Halaman Proyek: axis-bench.github.io
Makalah: arxiv.org/abs/2610.18869
Kode: github.com/axis-bench/axis-b…
Coba Axis Hub: hub.axisrobotics.ai
Dataset:
Axis Dataset V2: huggingface.co/datasets/axis…
Pra Pelatihan: huggingface.co/datasets/axis…
Tolok Ukur: huggingface.co/datasets/axis…
Pelatihan Pra Sim-to-real: huggingface.co/datasets/axis…
Kami berharap AXIS-Bench memungkinkan penelitian yang lebih dapat direproduksi tentang pembelajaran dari demonstrasi yang tidak sempurna.
1
29