Figure Helix 2.5 erreicht 56 Prozent – aber der Haushaltsroboter ist noch nicht alltagstauglich

Figure präsentiert mit Helix 2.5 einen bemerkenswerten Test zur Generalisierungsfähigkeit von Robotern: Der humanoide Figure 03 sollte Haushaltsaufgaben in Wohnungen erledigen, die dem System zuvor nicht bekannt waren. Die Schlagzeile lautet zwar 56 Prozent Erfolgsquote bei vollständigen Aufgaben – sie bedeutet aber ebenso, dass 44 Prozent der Versuche nach den strengen Testregeln nicht vollständig gelangen. 114

Was genau getestet wurde

Nach Angaben von Figure wurde Helix 2.5 zunächst mit Index, dem firmeneigenen Datensatz menschlichen Verhaltens, vortrainiert. Aus diesem Basismodell leitete das Unternehmen drei Verhaltensweisen ab:

• Wohnzimmer aufräumen,
• Handtücher falten,
• Betten machen.

Anschließend testete Figure diese Fähigkeiten in 30 zuvor unbekannten Häusern in der Bay Area rund um San Francisco. In keinem der Testhäuser seien Daten gesammelt worden. Ebenso habe es keine Feinabstimmung oder Anpassung an das jeweilige Haus oder die dort behandelten Gegenstände gegeben. Über alle Häuser hinweg sei derselbe feste Modellstand verwendet worden. 11

„Zero-Shot“ heißt in diesem Zusammenhang also: Der Roboter war nicht speziell auf diese Wohnungen und die dort vorgefundenen Spielzeuge, Handtücher oder Bettwaren trainiert. Es heißt nicht, dass die drei Aufgaben ganz ohne aufgabenspezifisches Training erlernt wurden. Figure beschreibt vielmehr, dass das Basismodell für diese drei Verhaltensweisen angepasst wurde. 11

56 Prozent statt 9 Prozent: ein klarer Fortschritt, kein Freifahrtschein

In einem kontrollierten Vergleich erhöhte das Vortraining auf Index die vollständige Zero-Shot-Erfolgsquote nach Angaben von Figure von 9 Prozent bei einem ansonsten vergleichbaren, von Grund auf trainierten Modell auf 56 Prozent. 411

Bewertet wurde ohne Teilpunkte. Beim Aufräumen mussten sämtliche verstreuten Spielzeuge im Korb landen. Beim Handtuchfalten mussten die Handtücher gefaltet und abgelegt werden. Beim Bettenmachen mussten Kissen und Bettdecke korrekt platziert und geglättet sein. 4

Das macht die 56 Prozent aussagekräftiger als eine locker definierte Quote für Teilfortschritte. Zugleich bleibt die Einschränkung zentral: Bei fast jedem zweiten vollständigen Durchlauf scheiterte der Roboter. Der Test ist damit ein Hinweis darauf, dass breit angelegtes Vortraining den Transfer auf unbekannte Umgebungen verbessern kann – nicht aber ein Beleg dafür, dass ein humanoider Haushaltsroboter schon unbeaufsichtigt zuverlässig arbeitet. 4

Warum Figure auf Vortraining im großen Maßstab setzt

Die These des Unternehmens erinnert an das Prinzip großer Basismodelle in der KI: Zuerst lernt ein Modell aus vielen unterschiedlichen Beispielen menschlicher körperlicher Handlungen. Danach soll vergleichsweise wenig Roboterdatenmaterial genügen, um eine konkrete Aufgabe zu definieren. Der Roboter könnte dann in neuen Räumen eingesetzt werden, ohne für jede Wohnung erneut Demonstrationsdaten sammeln zu müssen. 11

Figure berichtet zudem von einem Skalierungseffekt: Mit einer über einen achtfachen Bereich wachsenden Menge an Index-Vortrainingsdaten sei der Fehler bei der Vorhersage von Roboteraktionen vorhersehbar gesunken. Laut Unternehmen erzeugte Index dabei rund 35 Minuten Daten menschlicher Erfahrung pro Sekunde. 3

Ein Figure-Vertreter sprach separat von etwa 90.000 wöchentlich aktiven Mitwirkenden zum Zeitpunkt der Aufnahme; später sei die Zahl auf über 100.000 gestiegen. Diese Nutzerzahl ist allerdings eine Unternehmensangabe und nicht unabhängig geprüft. 28

Zusätzlich kündigte Figure über die Partnerschaft mit Nscale zunächst 3,5 Milliarden US-Dollar an Rechenkapazitätszusagen an. Angestrebt werden bis zu 100.000 Nvidia-Vera-Rubin-GPUs; die Bereitstellung soll in der zweiten Jahreshälfte 2027 beginnen. 3

Warum der Test die Haushaltsrobotik nicht entschieden hat

Die Ergebnisse stammen aus Figures eigener Ankündigung und eigener Auswertung, nicht aus einem unabhängigen, peer-reviewten Standardbenchmark für Haushaltsrobotik. 11

Bei den 30 Häusern soll es sich um leere, ordentliche und gut beleuchtete Kurzzeitmietobjekte gehandelt haben. In bewohnten Haushalten kommen Menschen, Haustiere, Unordnung, wechselnde Lichtverhältnisse, Unterbrechungen, ungewöhnliche Gegenstände und höhere Sicherheitsanforderungen hinzu. All das kann Navigation und Greifaufgaben deutlich schwieriger machen. 4

Die angemessene Schlussfolgerung lautet deshalb nicht: „Roboter können jetzt Hausarbeit erledigen.“ Figure hat eine kontrollierte Demonstration vorgelegt, die zeigt, dass Vortraining mit umfangreichen Daten zu menschlichem Verhalten den Bedarf an neuen Roboterdaten für jede einzelne Wohnung senken könnte. Ob dieser Ansatz die für normale, bewohnte Haushalte nötige Zuverlässigkeit und Sicherheit erreicht, ist weiterhin offen. 114