Helix 2.5 de Figure: qué revela de verdad su prueba en 30 hogares

Figure presenta Helix 2.5 como una señal de avance en la generalización robótica: su humanoide Figure 03 realizó tareas domésticas en viviendas que no había visto antes. Sin embargo, el titular —un 56% de éxito en tareas completas— también implica que el robot no terminó el 44% de los intentos bajo un criterio de evaluación estricto. 114

Qué puso a prueba Figure

La empresa explica que preentrenó Helix 2.5 con Index, su conjunto de datos sobre comportamiento humano. A partir de ese modelo base desarrolló tres comportamientos domésticos:

• ordenar salas de estar;
• doblar toallas;
• hacer camas.

Después evaluó esas capacidades en 30 hogares del Área de la Bahía de San Francisco que no habían formado parte del entrenamiento. Figure sostiene que no recopiló datos en ninguna de esas viviendas y que no hizo ajuste fino ni adaptación específicos para cada lugar o para los objetos manipulados. El mismo punto de control del modelo se utilizó en todos los hogares. 11

Eso es lo relevante de la expresión zero-shot o «sin ejemplos previos» en este caso: el robot no se entrenó para esas viviendas concretas ni para los juguetes, toallas o ropa de cama que encontró allí. No significa que las tres categorías de tareas se hubieran aprendido sin entrenamiento específico; Figure describe que adaptó el modelo base a esos tres comportamientos. 11

El resultado: 56% frente a 9%

En la comparación controlada divulgada por Figure, el preentrenamiento con Index elevó la tasa de éxito total zero-shot del 9% de un modelo comparable entrenado desde cero al 56%. 411

La puntuación no concedía crédito parcial. Para ordenar una sala, todos los juguetes dispersos debían terminar en la cesta; para doblar toallas, estas debían quedar dobladas y colocadas; y para hacer la cama, las almohadas y el edredón debían estar bien situados y alisados. 4

Este criterio de aprobado o suspenso hace que el 56% sea más exigente que una medida basada en completar solo parte del trabajo. Pero también deja clara la principal limitación: el 44% de los intentos completos no salió bien. El resultado apunta a que un preentrenamiento amplio puede mejorar la transferencia a entornos nuevos; no demuestra que un humanoide doméstico esté listo para trabajar sin supervisión. 4

Por qué Figure cree que el enfoque puede escalar

La tesis de Figure es que la robótica puede seguir una lógica similar a la de los modelos fundacionales: preentrenar con ejemplos variados de comportamiento físico humano, usar una cantidad más reducida de datos de robots para definir una tarea y desplegar después el sistema en espacios nuevos sin reconstruir el conjunto de datos para cada habitación. 11

La compañía también reportó una relación de escalado: la pérdida de predicción de acciones del robot descendió de forma predecible al aumentar los datos de preentrenamiento de Index en un rango de ocho veces. Además, indicó que Index generaba aproximadamente 35 minutos de datos de experiencia humana por segundo. 3

Por separado, un representante de Figure habló de unos 90.000 colaboradores activos semanales durante la grabación y de más de 100.000 posteriormente. Esas cifras proceden de la empresa y no equivalen a una auditoría independiente. 28

Figure anunció asimismo un compromiso inicial de 3.500 millones de dólares en capacidad de cómputo mediante su alianza con Nscale, con el objetivo de alcanzar hasta 100.000 GPU Nvidia Vera Rubin y comenzar el despliegue en el segundo semestre de 2027. 3

Lo que la prueba todavía no resuelve

La evaluación y el anuncio fueron realizados por Figure; no se trata de un referente independiente y revisado por pares para robótica doméstica. 11

Según lo reportado, las 30 viviendas eran alquileres de corta estancia vacíos, ordenados y bien iluminados. Un hogar habitado añade personas, mascotas, desorden, iluminación variable, interrupciones, objetos inusuales y exigencias de seguridad. Todas esas condiciones pueden complicar de forma considerable la manipulación y el desplazamiento de un robot. 4

La conclusión razonable, por tanto, es más limitada que «los robots ya pueden hacer las tareas de casa». Figure ha mostrado una demostración controlada según la cual el preentrenamiento con datos de comportamiento humano a gran escala podría reducir la necesidad de recopilar demostraciones robóticas en cada vivienda nueva. Aún no está resuelto si ese enfoque puede alcanzar la fiabilidad y seguridad necesarias para hogares cotidianos ocupados. 114