Flexion Robotics: המוח האוניברסלי של הרובוטים ההומנואידיים

"אנחנו יוצרים עולם וירטואלי שבו אנחנו יכולים לשים את הרובוטים האלה," החברה מצהירה. "מאומן בסימולציה, מועבר לעולם האמיתי עם מעורבות אנושית מינימלית" .

שיטת האימון: סימולציה-למציאות בקנה מידה

הגישה הטכנית של Flexion סובבת סביב שלוש בחירות מקושרות:

1. אימון סימולציה תחילה (sim-to-real). כל מדיניות הרובוט מאומנת אך ורק בתוך סימולציה פיזיקלית וירטואלית בקנה מידה עצום — עד 4,000 רובוטים וירטואליים רצים בו-זמנית — ואז מועברת לחומרה פיזית עם פריסה מיידית בעולם האמיתי . החברה משתמשת בלמידת חיזוק (RL) שבה רובוטים מלמדים את עצמם באמצעות ניסוי וטעייה: פועלים, חשים תוצאות ומתאימים עד שהם מצליחים . הפלט הוא לא סקריפט אלא מדיניות רשת עצבית הממפה תפיסה לפעולה .

2. שילוב של למידת חיקוי ולמידת חיזוק. Flexion משתמשת בלמידת חיזוק שיורית על בסיסי למידת חיקוי. המשמעות היא שהרובוט לומד מיומנויות תמרון ותנועה בסיסיות מנתוני הדגמה אנושיים, ואז משתמש ב-RL כדי להתאים מיומנויות אלו לתנאים בעולם האמיתי שהסימולטור לא יכול לדגמן בצורה מושלמת . החברה גם משתמשת בלולאת משוב "אמיתי-לסימולציה", שבה נתונים מהעולם האמיתי משפרים פרמטרי סימולציה לאימון עתידי נאמן יותר .

3. ארכיטקטורה מודולרית בת שלוש שכבות. ערכת האוטונומיה מפרידה בין חשיבה ברמה גבוהה לתכנון תנועה לבקרה ברמה נמוכה :

• שכבת פקודה (חשיבה): סוכן שפה גדול (LLM) או מודל שפה-ראייה (VLM) המפרש תיאורי משימה בשפה טבעית — כמו "סדר את המשרד" — מפרק לתת-משימות ומתכנן תהליכי עבודה מרובי-שלבים .
• שכבת יצירת תנועה (תכנון): מודל מבוסס דיפוזיה המתאר את הנתיב המיועד של הרובוט ונמנע ממכשולים במרחב תלת-ממדי .
• שכבת ביצוע (רפלקסים): עוקב גוף מלא מבוסס RL המבצע תנועה חזקה ומותאמת על הרובוט הפיזי .

עיצוב זה "מפריד בין כוונה (מונעת על ידי שפה) לבין כדאיות (נאכפת על ידי פיזיקה), תוך ניצול סימולציה למיומנויות מוטוריות ונתונים אמיתיים בצורה סלקטיבית" .

משימות משרד אוטונומיות: מהנחיה לפעולה

בנובמבר 2025, Flexion פרסמה סרטון המדגים רובוט הומנואידי המסדר משרד באופן אוטונומי לחלוטין, החל מהנחיית משתמש פשוטה — ללא סקריפטים, ללא מסלולים מחושבים מראש וללא הפעלה אנושית מרחוק . סוכן ה-VLM תפס את הסצנה, נימק לגבי המשימה ותכנן אסטרטגיה מקצה לקצה לאיסוף חפצים וסידורם . אותה מערכת בסיסית הוצגה גם כשהיא מנווטת בסביבות חיצוניות כדי לאסוף ולהשליך אשפה באופן אוטונומי .

ICRA 2026: האימות החי

בכנס הבינלאומי לרובוטיקה ואוטומציה (ICRA 2026), שהתקיים ב-9–11 ביוני 2026, Flexion ערכה הדגמה חיה של רובוט הומנואידי אוטונומי. ב300 ניסויים במשך שלושה ימים, הרובוטים פעלו באופן אוטונומי לחלוטין עם מעל 95% הצלחה וללא התערבות אנושית . התוצאה אימתה שגישת העברת sim-to-real עובדת בקנה מידה בסביבת כנס לא מבוקרת — סביבה קשה במיוחד להדגמות רובוטיקה.

כיצד Flexion שונה מתחום הרובוטיקה ההומנואידית

מבדלים אסטרטגיים מרכזיים:

• מודל תוכנה בלבד / רישוי פלטפורמה. Flexion ממקמת את עצמה כשכבת בינה אופקית שכל יצרן הומנואידי יכול לרשיון, תוך הימנעות מפורשת מ"מלכודת האינטגרציה האנכית" שבה חברות כמו טסלה או Figure חייבות לבנות גם את המוח וגם את הגוף .
• הכללה חסינת חומרה. אימון ערכה אחת על 14 פלטפורמות הומנואידיות שונות במקביל נועד להפוך את המוח של Flexion לנייד בין מורפולוגיות — בניגוד לנורמה התעשייתית של ערכה אחת לרובוט אחד .
• לולאת אימון מבוססת סימולציה מלאה. בעוד שרוב המתחרים משתמשים בנתוני הפעלה מרחוק מהעולם האמיתי ללמידת חיקוי, Flexion מאמנת מדיניות בקנה מידה בסימולציה ומעבירה אותן מיידית לעולם האמיתי, תוך דרישה לאיסוף נתונים אמיתי מינימלי .

הסתייגויות ושאלות פתוחות

מאמר ייעודי של Wired מיוני 2026 המתמקד באוטונומיה של Flexion במשימות משרד לא נמצא בתוצאות החיפוש הזמינות. העדויות המפורטות ביותר להדגמת משימות משרד מגיעות מפוסט בלינקדאין של Flexion (נובמבר 2025) ומדוח תוצאות ICRA 2026 . טענות החברה לגבי צמצום זמן ההגדרה ל"שבוע אחד" והרצה על 14 פלטפורמות טרם אומתו בקנה מידה מסחרי. ובעוד שתוצאות ICRA 2026 מרשימות, התחום עדיין ממתין לאמות מידה של צד שלישי המשוות רובוטים המונעים על ידי Flexion ראש בראש עם מתחרים משולבים אנכית בפריסה בעולם האמיתי.

ההימור של Flexion הוא שעתיד הרובוטיקה ההומנואידית ייראה פחות כמו האייפון — חבילת חומרה-תוכנה אינטגרטיבית — ויותר כמו אנדרואיד: מערכת הפעלה אוניברסלית שכל יצרן יכול לאמץ. אם מתודולוגיית האימון של סימולציה תחילה תמשיך להניב תוצאות בעולם האמיתי, ההימור הזה עשוי בהחלט להשתלם.