Axis Robotics a annoncé une levée de 12 millions de dollars lors d’un tour d’amorçage mené par Hack VC, avec la participation de Nomad Capital, Pi Network Ventures, 10K Ventures et plusieurs investisseurs providentiels. Ce financement vise à accélérer la construction d’un moteur de données massivement parallèle et humain-dans-la-boucle, destiné à résoudre le principal point de friction du Physical AI : la génération évolutive de données de formation robotiques structurées et très diverses.
Pourquoi la pénurie de données freine le Physical AI
Le Physical AI doit faire face, selon Axis, à trois barrières majeures : une pénurie sévère de données, un écart de généralisation et une fragmentation de l’incarnation selon le matériel robotique. «Le Physical AI exige des milliards de trajectoires de mouvement issues d’interactions humaines‑physiques», a déclaré Chris, fondateur d’Axis Robotics. Sans système de production de données hybride, efficace et extensible, les modèles peinent à itérer rapidement.
Comment Axis Robotics accélère l’intelligence robotique
Axis présente sa Compounding Data Engine comme un workflow bout en bout intégrant génération de tâches, capture de données, entraînement continu des modèles et optimisation. Les composantes mises en avant sont :
– Task Gen Engine : génère une diversité exponentielle de tâches robotiques atomiques par randomisation des objets, des agencements spatiaux, des éléments visuels, des morphologies robotiques et des sémantiques, en incorporant la diversité dans chaque trajectoire de données.
– Browser-Based Sim Teleoperation Platform : une interface web, présentée comme la première du genre, qui permet à n’importe qui de générer à distance des trajectoires de mouvement robotique de haute qualité. Axis affirme offrir un débit 10× supérieur à la collecte en laboratoire et intègre des boucles d’intervention humaines type DAgger (Dataset Aggregation) pour affiner en continu les politiques des robots.
– Ego Data Mobile Capture App : une application mobile à faible barrière d’entrée qui déplace la capture de données réelles depuis des installations matérielles coûteuses vers des contributions mobiles. En associant un suivi de pose des mains de pointe (SOTA) en temps réel à une main‑d’œuvre globale, Axis traduit la vision et la dextérité humaine en mouvements robotiques à grande échelle.
– Data Processing Pipeline : automatise le nettoyage des trajectoires, la randomisation de domaine et l’annotation linguistique dense, produisant des jeux de données multimodaux prêts pour l’entraînement avec une qualité de données améliorée annoncée par plus de 10×.
La plateforme crée, selon Axis, un effet de boucle auto‑renforçante : des trajectoires ratées en simulation ou sur le terrain entraînent des interventions humaines correctives, qui alimentent l’entraînement pour couvrir davantage de cas limites et accroître l’intelligence au fur et à mesure que le volume de données augmente.
Atouts, chiffres et résultats
Axis met en avant un moteur verticalement intégré couvrant tout le cycle de vie du Physical AI, du pré‑entraînement distribué à la Dataset Aggregation en temps réel. La société affirme disposer d’une infrastructure mondiale de contributeurs robotiques comptant plus de 100 000 contributeurs actifs, qui soumettraient en moyenne 3 à 4 contributions par jour. À ce rythme, Axis revendique une capacité de production supérieure à 1 200 heures de données en simulation et plus de 20 000 heures de données réelles ego‑centriques par mois.
Axis a lancé Sim Dataset V1 ; selon les résultats de référence communiqués, le pré‑entraînement π0.5 sur l’ensemble de données entièrement diversifié d’Axis a amélioré le succès global de 4,9 points et a surpassé une baseline RoboCasa365 de même volume de 31,3 points, avec des gains en généralisation d’agencement, en résistance au bruit des capteurs et en robustesse de la pose robotique. Axis indique que cet écart découle de son pipeline propriétaire de diversité des données plutôt que d’une simple échelle de données.
Commercialisation, partenariats et usage des fonds
Sur le plan commercial, Axis propose des «Task Packages» personnalisés pour les fabricants de matériel robotique, les entreprises de modèles Physical AI et les leaders de l’automatisation industrielle. Des partenariats initiaux ont été établis avec Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks et d’autres.
Avec ce tour d’amorçage de 12 millions de dollars mené par Hack VC, Axis Robotics indique qu’elle renforcera ses capacités de génération procédurale, étendra son réseau distribué de contributeurs et consolidera sa position comme moteur de données pour le futur du Physical AI.
L’équipe d’Axis rassemble des chercheurs en IA et robotique issus d’institutions telles qu’UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU et SJTU, ainsi que des spécialistes de la croissance ayant déjà amené des produits grand public à plus de 30 millions d’utilisateurs dans le monde.
Vision
«L’avenir du Physical AI repose sur une symbiose profonde entre modèles et données», a conclu Chris. Selon Axis, les jeux de données statiques ne suffisent pas à produire une intelligence robotique générale : la solution gagnante est selon eux un moteur de données compounding reliant un réseau mondial de contributeurs à une itération constante des modèles.
