AXIS 把 Franka 搬进浏览器，π0.5 跳上 88.8%

打开浏览器，就能给 Franka「上课」

2026 年 8 月 5 日，Axis Robotics 在 Hugging Face 上正式开源了 AXIS Franka 数据集——207 个桌面操作任务、超过 50,000 条人类演示轨迹、60,000 多个任务/场景变体，全部围绕 Franka Research 3 机械臂构建，总数据量 2.36 TB。

这批轨迹的采集方式与传统机器人数据集不同：贡献者不需要安装仿真器、不需要 GPU、甚至不需要一台真实的 Franka。打开浏览器，进入 MuJoCo-WASM 遥操作界面，用键盘鼠标就能操控虚拟机械臂完成抓取、堆叠、倾倒、工具使用等任务。

论文已于 7 月 23 日上传 arXiv，代码在 GitHub 开源，完整数据集以非商业许可在 Hugging Face 开放申请。

「众源仿真数据，可以有效」

Axis Robotics 联合创始人兼 CMO @0xsexybanana 在 X 上直言：「众源仿真数据可以有效，但模型能否从数据规模中持续获益，取决于任务覆盖、行为多样性、质量控制和数据增强，而不只是轨迹数量。」她同时指出，AXIS 的任务生产引擎从视觉维度、机器人本体维度、物理维度、交互物体随机化等方面确保了数据多样性。

Axis Robotics 官方账号 同步宣布了这一发布，将核心结论直接摆在标题位：「Can noisy, crowdsourced simulation data support embodied pretraining? Yes — with enough coverage and diversity.」该推文获得超 300 次点赞与 60 次转发。

机器人数据采集，卡在「封闭」上

论文指出，大多数公开机器人操作数据集在一次性采集后就冻结不再更新。以 Open X-Embodiment 为例，它汇集了 22 种机器人、超百万条轨迹，但依赖机构间的一次性汇总，数据集发布后不再生长。

AXIS 的设计逻辑不同。它将数据集定义为「可增长的」（growable）：数据采集门槛降到浏览器级别，贡献者网络就能持续产出新任务和新轨迹。任务定义、成功检测器、评估协议被固定下来，只有训练快照随数据量增长——AXIS-25%、AXIS-50%、AXIS-100% 三个版本共存，使缩放实验可以在其他条件不变的前提下只改变数据覆盖。

这一发布距 Axis Robotics 完成 1200 万美元种子轮融资仅一周。7 月 27 日，该公司 宣布 本轮由 Hack VC 领投，Nomad Capital、PiCoreTeam Ventures、10K Venture 等参投。论文合作机构横跨 UC Berkeley、Georgia Tech、Texas A&M、Johns Hopkins、UPenn、UMich、NUS 和 NTU。

三道关键工序：遥操作、精炼、增强

AXIS 的核心技术架构围绕三个设计决策展开。

浏览器原生遥操作。 贡献者通过 MuJoCo-WASM 在浏览器中直接操控 Franka Research 3，无需本地安装任何仿真器或 GPU。采集层将延迟敏感的遥操作与计算密集的后端处理解耦：前端只负责实时交互，轨迹上传后由后端机器完成验证、清洗、渲染和增强。

轨迹精炼管线。 社区采集的原始演示包含抖动、停顿和物理不可行状态。AXIS 通过成功校验、一致性检查、静止段剔除、轨迹平滑和重采样，将原始 5 Hz 数据转化为 20 Hz 的稳定动作序列。

经此处理后，平均加速度从 1.35 降至 0.49，平均加加速度从 11.59 降至 2.22。

IsaacSim 增强与快照式评估。 清洗后的轨迹在 IsaacSim 中被随机化重放：光照、纹理、背景、相机视角、物体位姿、质量、摩擦力均被扰动，在无需额外人工演示的前提下成倍扩展训练分布。数据被组织为 AXIS-25%/50%/100% 渐进式快照，使缩放实验的评估协议、策略架构、训练预算保持固定。

最终结果：π0.5 在 LIBERO-Plus 上的总体成功率从 83.9% 提升至 88.8%，论文称较等量 RoboCasa365 预训练基线高出 37.3%。性能随数据量稳定增长——84.7%（25%）、85.7%（50%）、88.8%（100%）。

增益最显著的维度是传感器噪声（+13.7 个百分点）和相机视角变化（+11.3 个百分点）。

数据集还是数据引擎？

现有机器人数据集的扩展主要依靠机构间的一次性汇总，发布后规模不再变化。AXIS 的设计指向了另一种思路：数据集作为持续运转的引擎而非一次性交付的产品。任务可以持续生成，新贡献者可以随时加入浏览器采集，训练快照可以不断迭代。

论文摘要直接表达了这一方向：「下一代机器人操作数据集应该是可增长的——不应是静态的演示集合，而应提供持续生成、采集、验证、处理和评估新数据的机制。」

V1 只是起点

AXIS 目前围绕单一机械臂和桌面操作场景，数据集为 50K+ 轨迹。但它的架构设计指向了一个更长期的命题：机器人数据产业的竞争，可能从「谁拥有最大数据集」转向「谁拥有最高效的数据生产引擎」。

以上技术数据均来自 AXIS 项目页面与 arXiv 论文。