Helix 2.5 de Figure : un robot réussit 56 % des tâches dans 30 maisons inconnues, mais il reste loin du majordome autonome

Figure présente Helix 2.5 comme une avancée dans la généralisation des robots : son humanoïde Figure 03 a été soumis à des tâches ménagères dans des maisons qu’il n’avait jamais rencontrées. Le chiffre mis en avant — 56 % de réussite sur des tâches complètes — doit toutefois être lu dans les deux sens : selon les règles strictes de l’évaluation, 44 % des tentatives n’ont pas été menées à terme. 114

Ce que Figure a réellement testé

L’entreprise indique avoir préentraîné Helix 2.5 sur Index, son jeu de données de comportements humains, puis avoir dérivé de ce modèle de base trois comportements domestiques :

• ranger un salon ;
• plier des serviettes ;
• faire un lit.

Ces comportements ont ensuite été évalués dans 30 maisons de la baie de San Francisco jusque-là inconnues du système. Figure affirme n’y avoir recueilli aucune donnée et n’avoir effectué ni réglage fin, ni adaptation spécifique aux lieux ou aux objets manipulés. Un seul point de contrôle du modèle, inchangé, a été utilisé dans l’ensemble des maisons. 11

C’est le sens du terme « zéro-shot » dans cette annonce : le robot n’avait pas été entraîné pour ces logements précis, ni pour les jouets, serviettes ou éléments de literie rencontrés sur place. Cela ne veut pas dire que les trois catégories de tâches ont été apprises sans entraînement ciblé : Figure explique avoir adapté son modèle de base à ces trois comportements. 11

56 % de réussite, contre 9 % sans préentraînement

Dans la comparaison contrôlée communiquée par Figure, le préentraînement sur Index fait passer le taux de réussite complet en zéro-shot de 9 %, pour un modèle par ailleurs comparable entraîné depuis zéro, à 56 %. 411

La notation ne donnait pas de crédit partiel. Pour le rangement, tous les jouets éparpillés devaient finir dans le panier ; pour le pliage, les serviettes devaient être pliées puis déposées ; et, pour le lit, les oreillers et la couette devaient être correctement positionnés et lissés. 4

Cette règle du tout ou rien donne du poids au score de 56 %. Mais elle rappelle aussi la limite essentielle : près d’une tentative complète sur deux a échoué. Le test suggère qu’un préentraînement large peut améliorer le transfert vers des environnements inconnus ; il ne démontre pas qu’un humanoïde domestique est prêt à travailler sans surveillance. 4

Pourquoi Figure estime que cette méthode peut changer d’échelle

La thèse de l’entreprise s’inspire des modèles de fondation en intelligence artificielle : préentraîner un système sur une grande diversité de comportements physiques humains, mobiliser ensuite une quantité plus réduite de données robotiques pour définir une tâche, puis l’utiliser dans de nouveaux lieux sans devoir refaire une collecte de données pièce par pièce. 11

Figure dit observer une relation d’échelle : à mesure que les données de préentraînement Index augmentaient sur une plage d’un facteur huit, la perte de prédiction des actions du robot diminuait de façon prévisible. L’entreprise a aussi indiqué qu’Index produisait environ 35 minutes de données d’expérience humaine par seconde. 3

Un représentant de Figure a, de son côté, évoqué environ 90 000 contributeurs actifs chaque semaine au moment du tournage, puis plus de 100 000. Il s’agit d’une déclaration de l’entreprise, et non d’un chiffre vérifié par un audit indépendant. 28

Figure a également annoncé un engagement initial de 3,5 milliards de dollars en puissance de calcul via son partenariat avec Nscale, avec l’objectif d’aller jusqu’à 100 000 GPU Nvidia Vera Rubin et un début de déploiement prévu au second semestre 2027. 3

Pourquoi ce test ne tranche pas la question des robots domestiques

L’annonce et l’évaluation proviennent de Figure elle-même ; il ne s’agit pas d’un benchmark indépendant et évalué par les pairs pour la robotique domestique. 11

Les 30 logements étaient, selon les informations rapportées, des locations de courte durée vides, ordonnées et bien éclairées. Un logement réellement habité ajoute des occupants, des animaux, du désordre, des éclairages variables, des interruptions, des objets atypiques et des contraintes de sécurité : autant de facteurs qui compliquent fortement la manipulation et les déplacements d’un robot. 4

La conclusion raisonnable est donc plus nuancée que « les robots savent désormais faire le ménage ». Figure a montré, dans un cadre contrôlé, que le préentraînement sur des données de comportements humains à grande échelle pourrait réduire le besoin de recueillir des démonstrations robotiques dans chaque nouveau domicile. Reste à établir si cette approche peut atteindre le niveau de fiabilité et de sécurité exigé dans des foyers ordinaires et occupés. 114