الإجاباتمنشور14 المصادر
ما الذي يكشفه اختبار Figure Helix 2.5 في 30 منزلاً غير مألوف؟
تقول Figure إن نظام Helix 2.5 المدرّب مسبقاً على بيانات Index حقق نجاحاً كاملاً بنسبة 56٪ في ثلاث مهام منزلية داخل 30 منزلاً غير مألوف في منطقة خليج سان فرانسيسكو، مقابل 9٪ لنموذج مماثل دُرّب من الصفر. رتّب روبوت Figure 03 غرف المعيشة، وطوى المناشف، ورتّب الأسرّة باستخدام نقطة تحقق ثابتة، من دون جمع بيانات أو ضبط دق...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- تقول Figure إن نظام Helix 2.5 المدرّب مسبقاً على بيانات Index حقق نجاحاً كاملاً بنسبة 56٪ في ثلاث مهام منزلية داخل 30 منزلاً غير مألوف في منطقة خليج سان فرانسيسكو، مقابل 9٪ لنموذج مماثل دُرّب من الصفر.
- رتّب روبوت Figure 03 غرف المعيشة، وطوى المناشف، ورتّب الأسرّة باستخدام نقطة تحقق ثابتة، من دون جمع بيانات أو ضبط دقيق أو تكيّف خاص بالمنازل أو بالأشياء المستخدمة فيها.
- التقييم أجرته الشركة نفسها، وجرت الاختبارات، بحسب التقارير، في مساكن إيجار قصيرة الأجل خالية ومرتبة وجيدة الإضاءة؛ لذلك لا تثبت النتيجة قدرة الروبوت على العمل بأمان وموثوقية داخل المنازل المأهولة.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Figure announce about Helix 2.5 and its Figure 03 humanoid robot’s ability to generalize to unfamiliar homes, including the three h. Article summary: Figure announced that Helix 2.5 enabled its Figure 03 humanoid to perform meaningful whole-body household work in homes it had never encountered—not a claim that household robotics is solved. The result is notable eviden. Topic tags: general, general web, education, academic, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
إعلان شركة Figure عن نظام Helix 2.5 يمثل إشارة مهمة إلى قدرة الروبوتات على التعميم: فقد اختبرت الشركة روبوتها الشبيه بالبشر Figure 03 في أعمال منزلية ضمن بيوت لم يسبق له التعامل معها. لكن الرقم الأبرز، وهو نجاح كامل للمهام بنسبة 56٪، يعني أيضاً أن 44٪ من المحاولات لم تكتمل وفق معايير التقييم الصارمة. 11
4
ماذا اختبرت Figure؟
تقول Figure إنها درّبت Helix 2.5 مسبقاً على Index، وهي مجموعة بيانات للشركة عن السلوك البشري. ومن هذا النموذج الأساسي أنشأت ثلاثة سلوكيات منزلية:
- ترتيب غرف المعيشة؛
- طيّ المناشف؛
- ترتيب الأسرّة.
ثم قيّمت هذه السلوكيات في 30 منزلاً لم يسبق رؤيتها في منطقة خليج سان فرانسيسكو. وبحسب الشركة، لم تُجمع أي بيانات من منازل التقييم، ولم يُجرَ ضبط دقيق أو تكيّف خاص بكل موقع أو بكل غرض يتعامل معه الروبوت، واستُخدمت نقطة تحقق ثابتة واحدة في جميع المنازل. 11
وهنا تحديداً معنى «التعلّم الصفري» أو Zero-shot: لم يُدرّب الروبوت على هذه البيوت تحديداً، ولا على الألعاب والمناشف ومفروشات السرير التي صادفها فيها. لكنه لا يعني أن فئات المهام الثلاث تعلّمها بلا أي تدريب خاص بالمهام؛ إذ تصف Figure تكييف النموذج الأساسي لإنتاج هذه السلوكيات الثلاثة. 11
56٪ مقابل 9٪: ماذا تعني النتيجة؟
في مقارنة مضبوطة أجرتها Figure، أدى التدريب المسبق على Index إلى رفع نسبة النجاح الكامل في مهام «Zero-shot» من 9٪ لنموذج مماثل دُرّب من الصفر، إلى 56٪ للنموذج المدرّب مسبقاً. 4
11
وكان التقييم بنظام «النجاح أو الفشل» من دون منح نقاط للإنجاز الجزئي:
- في ترتيب غرفة المعيشة، كان يجب وضع كل الألعاب المتناثرة في السلة؛
- وفي طي المناشف، يجب طيّها ووضعها في مكانها؛
- وفي ترتيب السرير، يجب وضع الوسائد واللحاف في المواضع الصحيحة وتسويتها.
هذا يجعل نسبة 56٪ أكثر دلالة من مقياس مرن يحتسب الإنجاز الجزئي. لكنه يوضح القيد في الوقت نفسه: فشلت 44٪ من المحاولات الكاملة. فالنتيجة دليل على أن التدريب واسع النطاق قد يحسن انتقال المهارة إلى بيئات غير مألوفة، وليست دليلاً على جاهزية روبوت منزلي للعمل باستقلالية موثوقة ومن دون إشراف. 4
لماذا تراهن الشركة على هذا النهج؟
تقوم أطروحة Figure على إمكانية تطبيق نمط «النماذج الأساسية» في الروبوتات: تدريب مسبق على أمثلة متنوعة من السلوك البشري الجسدي، ثم استخدام كمية أصغر من بيانات الروبوت لتحديد سلوك معين، قبل نشره في أماكن جديدة من دون إعادة بناء مجموعة بيانات لكل غرفة أو منزل. 11
وتفيد الشركة بوجود علاقة توسع يمكن التنبؤ بها؛ إذ انخفضت خسارة التنبؤ بأفعال الروبوت بصورة منتظمة مع زيادة بيانات التدريب المسبق لـIndex عبر نطاق بلغ ثمانية أضعاف. كما قالت إن Index كان ينتج نحو 35 دقيقة من بيانات الخبرة البشرية كل ثانية. 3
وفي تصريح منفصل، ذكر ممثل للشركة أن عدد المساهمين النشطين أسبوعياً كان نحو 90 ألفاً وقت التصوير، ثم تجاوز 100 ألف. وهذا الرقم تصريح من الشركة وليس دليلاً خضع لتدقيق مستقل. 28
وأعلنت Figure أيضاً التزاماً أولياً بالحوسبة قيمته 3.5 مليارات دولار عبر شراكتها مع Nscale، مستهدفة ما يصل إلى 100 ألف وحدة معالجة رسومية Nvidia Vera Rubin، على أن يبدأ النشر في النصف الثاني من عام 2027. 3
لماذا لا يحسم الاختبار مستقبل الروبوتات المنزلية؟
أعلنت Figure النتيجة وأجرت تقييمها بنفسها، وليس ضمن معيار مستقل خضع لمراجعة أكاديمية محكّمة في مجال الروبوتات المنزلية. 11
كما أن المنازل الثلاثين كانت، بحسب التقارير، مساكن إيجار قصيرة الأجل خالية ومرتبة وجيدة الإضاءة. أما المنازل الحقيقية المأهولة فتضم أشخاصاً وحيوانات أليفة وفوضى وإضاءة متغيرة ومقاطعات وأشياء غير مألوفة ومتطلبات سلامة، وهي عوامل يمكن أن تجعل الحركة والتعامل مع الأشياء أصعب بكثير. 4
لذلك فالخلاصة الأدق ليست أن «الروبوتات أصبحت قادرة على أداء الأعمال المنزلية». ما قدمته Figure هو عرض مضبوط يشير إلى أن التدريب المسبق على بيانات سلوك بشري واسعة النطاق قد يقلل الحاجة إلى جمع عروض روبوتية جديدة في كل منزل. أما بلوغ مستوى الموثوقية والسلامة المطلوبين للمنازل المأهولة بصورة اعتيادية، فما زال سؤالاً مفتوحاً. 11
4
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "ما الذي يكشفه اختبار Figure Helix 2.5 في 30 منزلاً غير مألوف؟"؟
تقول Figure إن نظام Helix 2.5 المدرّب مسبقاً على بيانات Index حقق نجاحاً كاملاً بنسبة 56٪ في ثلاث مهام منزلية داخل 30 منزلاً غير مألوف في منطقة خليج سان فرانسيسكو، مقابل 9٪ لنموذج مماثل دُرّب من الصفر.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
تقول Figure إن نظام Helix 2.5 المدرّب مسبقاً على بيانات Index حقق نجاحاً كاملاً بنسبة 56٪ في ثلاث مهام منزلية داخل 30 منزلاً غير مألوف في منطقة خليج سان فرانسيسكو، مقابل 9٪ لنموذج مماثل دُرّب من الصفر. رتّب روبوت Figure 03 غرف المعيشة، وطوى المناشف، ورتّب الأسرّة باستخدام نقطة تحقق ثابتة، من دون جمع بيانات أو ضبط دقيق أو تكيّف خاص بالمنازل أو بالأشياء المستخدمة فيها.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
التقييم أجرته الشركة نفسها، وجرت الاختبارات، بحسب التقارير، في مساكن إيجار قصيرة الأجل خالية ومرتبة وجيدة الإضاءة؛ لذلك لا تثبت النتيجة قدرة الروبوت على العمل بأمان وموثوقية داخل المنازل المأهولة.