24 Std.
-7 Tage
-30 Tage
-Vom ATH
-8,76%Kurs auf einen Blick
Axis Robotics Kurs heute
Der aktuelle Kurs von Axis Robotics liegt bei 0,286306 €. Stand: 22.10.2026, 06:42 Uhr (Berlin). Das Tagestief lag bei 0,220701 €, das Hoch bei 0,313396 €.
Handelsplätze
Axis Robotics: Märkte & Liquidität
0 von 4 angezeigten Märkten haben einen aktuellen Handelsbeleg. Teilweise erfasst: Weitere Quellseiten oder einzelne Marktzeilen fehlen. Bereits gespeicherte Märkte bleiben erreichbar.
Preise bevorzugt in EUR · Orderbuch-Tiefe in USD · EUR-Umrechnung: EZB-Referenz vom 21.10.2026 · Methodik
Historischer Vergleich
Axis Robotics im Vergleich zu Bitcoin und Ethereum
Für diesen Vergleich reichen die gemeinsamen Tageskurse noch nicht aus. Erfasst sind 0 von 90 Tagen zur gleichen UTC-Uhrzeit in EUR.
On-Chain & Netzwerk
Axis Robotics Netzwerkdaten
Contracts & Netzwerke
Alle 1 Zuordnungen anzeigen
- base
0x5be75e3b0aff5d1a042a5363ae36acb1d6d755ea
18 Dezimalstellen · On-Chain-Zuordnung vorhanden
Contract im Explorer öffnen ↗
On-Chain-Daten · Methodik
On-Chain
base · 0x5be7...55ea
AXIS / USDC 0.01%
base · Uniswap V4 (Base)
AXIS / USDC 1%
base · Uniswap V3 (Base)
AXIS / USDC 3%
base · Uniswap V4 (Base)
AXIS / USDC 5%
base · Uniswap V4 (Base)
AXIS / USDC 0.82%
base · Uniswap V4 (Base)
AXIS / USDC 1.01%
base · Uniswap V4 (Base)
Holder-Liste: Quellstand 21.10.2026, 13:17 · Abgerufen 21.10.2026, 13:30
Pools: Quellstand nicht angegeben · Abgerufen 21.10.2026, 13:30 · Teilangaben · Auswahl: höchstens acht Pools aus der ersten Quellenseite
Halterzahl: Quellstand 21.10.2026, 13:17 · Abgerufen 21.10.2026, 13:30
Zeitangaben: Europe/Berlin
Grundlagen
Was ist Axis Robotics?
Axis Robotics (also known as Axis AI) is building a distributed scaling infrastructure and data engine for physical AI and robotics. The platform utilizes large-scale simulations where human contributors directly guide robots through tasks, transforming these interactions into meaningful training data for foundation models.
The project incentivizes data collection through a crypto-native reward system. By completing simulation tasks, such as object manipulation and pose control, users generate high-quality datasets. This crowdsourced approach allows for scalable robotic learning across different environments without the traditional bottlenecks of real-world experimentation.
