Hướng Dẫn Nhanh Axis Robotics Hub & FAQ Cho Newbie
Newbie biết đến Axis Robotics? Hãy bắt đầu với hướng dẫn nhanh về Hub của @axisrobotics .
@axisrobotics cũng đã tổng hợp những câu hỏi thường gặp từ cộng đồng.
Full FAQ → https://t.co/vXbDsRxVz7
Post-Training
Điều gì ảnh hưởng đến điểm Post-Training của anh em?
Điểm số phụ thuộc vào 2 yếu tố:
1. Độ dài trajectory - trajectory càng dài thì điểm cơ bản càng thấp. Khi trajectory đạt 160 samples (32 giây), điểm cơ bản sẽ về 0.
2. Tỷ lệ policy control - càng để policy điều khiển nhiều và càng ít can thiệp thủ công (manual takeover) thì điểm càng cao.
Tại sao trajectory của tôi là Signable nhưng điểm lại bằng 0?
Vì score và verification là hai cơ chế độc lập:
1. Score đo lường hiệu quả dựa trên độ dài trajectory và tỷ lệ policy control.
2. Signable có nghĩa trajectory đã vượt qua kiểm tra vật lý và task checker.
Vì vậy, một trajectory vẫn có thể hoàn thành nhiệm vụ thành công nhưng score = 0. Ví dụ, trajectory vượt quá 160 samples, khiến điểm cơ bản bằng 0 hoặc điểm cuối cùng nhỏ hơn 1 và bị làm tròn xuống 0 on-chain.
Anh em nên sử dụng manual takeover bao nhiêu?
Hãy sử dụng thời gian takeover tối thiểu cần thiết để hoàn thành task một cách ổn định.
1. Takeover càng ít thì thông thường điểm càng cao.
2. Không sử dụng toàn bộ thời gian takeover nếu không cần thiết.
3. Tránh chờ đợi trong khi đang ở chế độ takeover vì điều này làm tăng độ dài trajectory.
Tại sao policy hiển thị Error thay vì Ready?
Error có nghĩa policy không thể tải thành công. Các nguyên nhân phổ biến gồm:
1. Không tải được ONNX hoặc policy manifest.
2. Sự cố mạng hoặc CDN.
3. Vấn đề với cache của trình duyệt.
Tại sao các slot Post-Training lại đầy nhanh như vậy?
Slot được tính theo số lượng data entry được gửi, không phải số người dùng duy nhất. Việc một người dùng gửi nhiều submission, nhiều submission đồng thời trên các nhiệm vụ phổ biến, hoặc các trajectory đang ở trạng thái pending tạm thời chiếm slot đều có thể khiến slot đầy rất nhanh.
Tại sao trajectory của tôi bị đánh dấu Failed?
Các nguyên nhân phổ biến nhất:
1. Physics replay thất bại.
2. Task checker thất bại.
3. Trajectory quá ngắn.
4. Định dạng trajectory không hợp lệ.
5. Model hoặc scene không khớp.
6. Sự cố hạ tầng tạm thời.
Phần lớn các lỗi mới phát sinh thường đến từ physics validation hoặc task checker.
Axis Robotics Hợp Tác Thương Mại Với Booster Robotics
@boosterobotics là đơn vị phát triển phần cứng robot humanoid, hệ điều hành và bộ công cụ dành cho nhà phát triển, với mục tiêu giúp robot hình người trở nên giá cả phải chăng hơn, đáng tin cậy hơn và thực tiễn hơn.
Quan hệ hợp tác này tập trung vào việc tận dụng mô phỏng để nhân rộng giá trị của dữ liệu thu thập từ robot thực, mở rộng các dữ liệu điều khiển từ xa thành nguồn dữ liệu huấn luyện có khả năng mở rộng trên nhiều tác vụ và bối cảnh khác nhau.
Sự hợp tác này sẽ thúc đẩy huấn luyện kết hợp giữa mô phỏng và robot thực cũng như phát triển các mô hình nền tảng, giúp đẩy nhanh quá trình từ cải tiến phần cứng đến triển khai các chính sách điều khiển robot vào thực tế.
Cùng nhau, @axisrobotics đang xây dựng hạ tầng dữ liệu dựa trên mô phỏng cho Physical AI, giúp nguồn dữ liệu huấn luyện quy mô lớn trở nên dễ tiếp cận hơn đối với các nhà phát triển mô hình và toàn bộ hệ sinh thái robot.
Announcing our commercial partnership with @boosterobotics
Booster builds humanoid robot hardware, OS, and developer tools to make humanoid robots more affordable, reliable, and practical. The partnership centers on using simulation to multiply the value of real-robot data—expanding teleoperation demonstrations into scalable training data across diverse tasks and scenes.
This joint effort powers sim-real co-training and foundation-model development, accelerating progress from hardware iteration to deployable robot policies.
Together, we're building simulation‑powered data infrastructure for Physical AI — making scalable training data accessible to model developers and the broader robotics ecosystem.
Giới Thiệu Axis Dataset V1 – Bộ Dữ Liệu Mô Phỏng Quy Mô Lớn Dành Cho Tác Vụ Thao Tác Robot 🤖
Liệu dữ liệu mô phỏng được thu thập theo hình thức crowdsourcing, dù có nhiều nhiễu, có thể hỗ trợ quá trình embodied pretraining hay không?
💡Câu trả lời là Có - miễn là dữ liệu có đủ độ bao phủ và tính đa dạng.
Việc continual pretraining trên AXIS Dataset V1 đã giúp mô hình π0.5 nâng hiệu suất trên LIBERO-Plus từ 83,9% lên 88,8%.
Hiệu năng tiếp tục cải thiện ổn định khi lượng dữ liệu pretraining tăng từ 25% lên 100% của toàn bộ tập dữ liệu, và chưa có dấu hiệu đạt ngưỡng bão hòa.
Bộ dữ liệu được phát triển với sự hợp tác của các nhà nghiên cứu đến từ:
@GeorgiaTech@UCBerkeley@TAMU@JohnsHopkins@Penn@UMich@NUSingapore@NTUsg
➡️ Các liên kết liên quan:
Paper: https://t.co/fYnFit3a2j
Dataset: https://t.co/nZ4ckwjCzV
Project Page: https://t.co/6PMUmxamtw
GitHub Codebase: https://t.co/8mFt5W6N55
Recap | Community AMA With Axis Core Team
Access Codes & BigRobot Campaign:
• Team cho rằng đây là một cơ hội farm thưởng hấp dẫn, vì users có thể nhận rewards từ cả Access và BigRobot mà chỉ cần trả phí gas.
• Chiến dịch BigRobot có số lượng task mỗi ngày khá giới hạn (khoảng 10 nhiệm vụ/ngày), nên mức độ tham gia sẽ tương đối độc quyền.
• Ngoài ra, team cũng cho biết sẽ sớm công bố thêm nhiều chiến dịch nhận thưởng kép cùng các hệ sinh thái khác.
• Access Code sẽ được phân phối theo từng giai đoạn:
Trước tiên dành cho các thành viên trung thành sở hữu role XYZ.
Sau đó sẽ được phát thông qua raffle, giveaway và phần thưởng cho các thành viên hoạt động tích cực.
Contributor Role:
• Chỉ hoạt động trên Discord sẽ khó đủ điều kiện để nhận role Contributor.
• Các role này nhằm ghi nhận những contribute thực sự cho hệ sinh thái.
• Team ưu tiên những contribute trên nhiều khía cạnh, chẳng hạn như:
Hoàn thành Trajectory Tasks.
Sáng tạo nội dung.
Tham gia các sự kiện cộng đồng.
Regional Points System Tại Ấn Độ:
• Hệ thống Points tại Ấn Độ đang được tạm dừng do các vấn đề liên quan đến team quản lý khu vực trước đây.
• Team SEA Growth hiện đang xây dựng kế hoạch mới cho Ấn Độ và Bangladesh, dự kiến sẽ cập nhật trong thời gian tới.
UI/UX Feedback:
• Buổi AMA kết thúc bằng phần thảo luận về phản hồi từ cộng đồng, bao gồm các đề xuất cải thiện giao diện và trải nghiệm người dùng.