小美哥🕊️ (@luke102579) “近期手臂的任務對我來說困難度大大提升阿 各位高級鉗工有沒有秘訣傳授一下 我最近看 @” — TopicDigg

近期手臂的任務對我來說困難度大大提升阿 各位高級鉗工有沒有秘訣傳授一下 我最近看 @axisrobotics 的技術架構，有一個地方其實很值得注意 它沒有把整套 Robotics 工作流綁死在單一 Simulator 或單一電腦環境裡。 這件事乍看很工程師，但對 Physical AI 來說影響很大。 Axis 的做法是把不同環境負責的工作拆開。 前端可以直接在 Browser 裡用 MuJoCo WebAssembly 做 Teleoperation，Web、Mac、Windows 都能參與，不需要 GPU 或特殊軟體。 完成後，Trajectory 會用統一格式傳到後端，再交給 Linux GPU Server 執行更高負載的 Simulation。 這裡就可以接上 IsaacSim，進一步做更真實的場景、物理條件與 Domain Randomization，最後再進入 Data Refinement、Model Training 和 Sim-to-Real Evaluation。 簡單畫成一條線 Browser → MuJoCo → Unified Trajectory → GPU Server → IsaacSim → Training → Real Robot 我覺得這個架構真正有意思的地方，是把「資料怎麼收」和「資料怎麼變得更真實」分開處理。 收集資料需要的是低門檻與高擴展性。 Simulation Augmentation 則需要大量 GPU 運算與更複雜的環境。 兩者如果全部塞在同一套環境裡，Contributor、Simulator、硬體與運算資源很容易互相限制。 Axis 把這些環節拆開，再透過統一的 Trajectory 格式串起來，等於讓不同機器、不同 Simulator、不同運算環境之間可以開始協作。 這也是我覺得 Robotics Infrastructure 很重要的一點。 真正能長期擴張的 Data Engine，最後拼的可能不只是誰收集了多少資料，而是這些資料能不能跨環境流動，並且持續進入下一個階段。 Axis 目前的 Cross-Simulator / Cross-Machine 架構，就是在解這個問題。