Figure AI's humanoid-robot imponerede i 200-timers test: Sorterede kvart million pakker

Det live-streame forløb, sammen med en sideom-sammenligning mellem en robot og en menneskelig praktikant, blev en af de tydeligste virkelige benchmarks for humanoide robotter i logistik.

Den 200-timers autonome lagertest

Testen fandt sted i Figure AI's facilitet i Sunnyvale. Det, der startede som en kortere demonstration, udviklede sig til et flerdages udholdenhedseksperiment.

Nøgleresultater rapporteret fra testen inkluderer:

• Varighed: omkring 200 timer kontinuerlig autonom drift
• Output: cirka 249.000–250.000 pakker sorteret
• Pålidelighed: nul hardwarefejl under hele forløbet

Én rapport angiver et slutantal på 249.558 pakker, mens andre kilder beskriver totalen som cirka 249.560, hvilket understreger tallet "næsten 250.000", der ofte rapporteres.

Det skal dog nævnes, at ikke alle kilder er enige: én kilde citerede 149.000+ pakker, hvilket indikerer en vis usikkerhed om de præcise totaler, der blev offentliggjort under live-streamen.

Selv med denne uoverensstemmelse viste demonstrationen, at robotterne kunne køre i mere end en uge med kontinuerligt lagerarbejde uden teleoperation eller mekaniske nedbrud – en vigtig milepæl for reel implementering.

Hvor hurtigt arbejdede robotterne?

Gennemløb var hovedbenchmarket for testen.

Figure AI rapporterede tidligere, at deres logistiksystem havde nået "menneskelig paritet" hastigheder, hvor de behandlede pakker på under tre sekunder per styk – omtrent på niveau med lagerarbejdere, der udfører samme opgave i en vagt.

Arbejdsgangen i demo'en involverede flere trin, der er typiske for pakkesorteringsoperationer:

• visuel identifikation af pakken
• orientering, så stregkoden kan scannes
• scanning eller verifikation af etiketten
• placering af varen på det korrekte transportbånd

At opretholde et tempo på omkring 3 sekunder per pakke over hundredetusindvis af varer tyder på, at robotterne kan opretholde produktionsklar kapacitet snarere end korte hastighedsudbrud.

AI-hjernen bag robotterne: Helix‑02

Ydeevnen af F.03-robotterne afhænger i høj grad af Figure's interne AI-system, Helix‑02.

Helix‑02 beskrives som en vision-language-action (VLA) model – et neuralt system, der fusionerer perception, ræsonnement og motorisk kontrol i en enkelt arkitektur. I stedet for separate softwaremoduler styrer én indlært politik robottens fulde kropshandlinger baseret på kamera-input.

Denne arkitektur gør det muligt for robotten at:

• opfatte objekter ved hjælp af kameraer og sensorer
• fortolke opgaver eller instruktioner
• planlægge og udføre bevægelser med sine arme, hænder og krop

Systemet konverterer effektivt "pixels til handlinger", hvilket gør det muligt for robotten at håndtere ukendte pakker og tilpasse sig skiftende forhold i virkelige miljøer.

For logistikopgaver som pakkesortering betyder det at genkende forskellige pakkeformer – kasser, kuverter eller plastikposer – og justere, hvordan robotten griber eller vender dem for at scanne etiketter korrekt.

Konkurrencen: "Mand mod maskine"

For at benchmarke robotterne mod mennesker arrangerede Figure en 10-timers direkte konkurrence mellem én F.03-robot og en virksomhedspraktikant ved navn Aime.

Begge fik samme opgave: at scanne hver pakke og placere den korrekt på et transportbånd.

De endelige resultater var ekstremt tætte:

• Menneskelig praktikant: 12.924 pakker (≈ 2,79 sekunder per pakke)
• F.03 robot: 12.732 pakker (≈ 2,83 sekunder per pakke)

Mennesket vandt med kun 192 pakker, en forskel på cirka 1,3 % over hele vagten.

Med andre ord arbejdede robotten næsten præcist lige så hurtigt – men ikke helt nok til at slå mennesket i den ene vagt.

Hvorfor testen er vigtig for lagerautomation

Humanoide robotter har eksisteret i årevis, men de fleste demonstrationer har historisk set varet minutter eller timer – ikke dage.

Figure-eksperimentet fremhæver tre ændringer, der kan betyde noget for logistikautomation:

1. Udholdenhed
At køre i 200 timer kontinuerligt viser, at hardwaren og kontrolsystemerne kan håndtere lange driftsperioder, hvilket er afgørende for rigtige lagre.

2. Næsten menneskelig kapacitet
At sortere pakker på cirka tre sekunder hver placerer robotterne tæt på menneskelig produktivitet for repetitive opgaver.

3. Autonom drift
Robotterne opererede angiveligt uden teleoperation, hvilket betyder, at AI-systemet håndterede perception og manipulation direkte på robotten.

Tilsammen tyder disse faktorer på, at humanoide robotter kan være på vej fra korte demonstrationer til kommercielt relevante lageropgaver.

Det vigtige forbehold

På trods af de imponerende tal kommer beviserne stadig primært fra Figure's egne demonstrationer og live-streamede tests, snarere end uafhængige storskala-implementeringer.

Det betyder, at eksperimentet bedst forstås som et bevis på fremskridt snarere end bevis på, at humanoide robotter er klar til at erstatte store dele af lagerarbejdskraften i dag.

Ikke desto mindre signalerer den snævre margin i konkurrencen "Mand mod maskine" – kombineret med en uge lang autonom kørsel – hvor hurtigt humanoid robotik er ved at udvikle sig mod egentligt industrielt arbejde.

Praktikanten vandt måske denne omgang, men afstanden mellem mennesker og humanoide robotter i logistikopgaver måles nu i sekunder per pakke, ikke størrelsesordener.