Apa Arti Uji Robot Figure Helix 2.5 di 30 Rumah yang Belum Pernah Dilihatnya?

Figure mengumumkan hasil yang menarik untuk riset generalisasi robot: robot humanoid Figure 03 dengan sistem Helix 2.5 diuji mengerjakan tugas domestik di rumah-rumah yang belum pernah ditemuinya. Namun, angka utama yang dilaporkan—56% keberhasilan untuk menyelesaikan seluruh tugas—juga berarti 44% percobaan belum tuntas menurut standar penilaian yang ketat. 114

Apa yang sebenarnya diuji?

Figure menyatakan Helix 2.5 dipralatih memakai Index, dataset perilaku manusia milik perusahaan. Dari satu model fondasi itu, perusahaan membentuk tiga kemampuan rumah tangga:

• merapikan ruang keluarga;
• melipat handuk;
• merapikan tempat tidur.

Robot lalu diuji di 30 rumah di Bay Area—wilayah sekitar San Francisco—yang sebelumnya belum pernah dilihat sistem tersebut. Figure mengatakan tidak ada data yang dikumpulkan di rumah-rumah evaluasi, tidak ada fine-tuning atau adaptasi khusus untuk lokasi maupun objek, dan satu checkpoint model yang sama dipakai di seluruh rumah. 11

Istilah zero-shot di sini perlu dibaca dengan tepat. Artinya, robot tidak dilatih khusus untuk rumah-rumah itu atau untuk mainan, handuk, dan perlengkapan tidur yang ditemui dalam pengujian. Bukan berarti tiga kategori tugas tersebut dipelajari tanpa pelatihan spesifik sama sekali; Figure menjelaskan bahwa model fondasi itu diadaptasikan menjadi tiga perilaku tadi. 11

Angka 56% dibanding 9%: mengapa penting, sekaligus belum cukup

Dalam perbandingan terkontrol versi Figure, prapelatihan dengan Index meningkatkan tingkat keberhasilan penuh zero-shot dari 9% pada model sebanding yang dilatih dari nol menjadi 56% pada model yang dipralatih. 411

Penilaiannya bersifat lulus-gagal, tanpa kredit untuk hasil sebagian. Untuk merapikan ruang keluarga, semua mainan yang berserakan harus masuk ke keranjang. Melipat handuk mensyaratkan handuk dilipat dan diletakkan pada tempatnya. Untuk merapikan tempat tidur, bantal dan selimut harus ditempatkan dengan benar serta dirapikan. 4

Karena standarnya ketat, skor 56% lebih bermakna daripada angka yang memberi nilai parsial. Tetapi batasannya juga jelas: 44% percobaan tugas penuh gagal. Hasil ini merupakan bukti bahwa prapelatihan skala besar berpotensi memperbaiki transfer kemampuan ke lingkungan asing, bukan bukti bahwa robot humanoid sudah siap bekerja mandiri dan andal di rumah. 4

Mengapa Figure menilai pendekatan ini dapat diperluas

Gagasan utama Figure adalah pendekatan robotika dapat mengikuti pola model fondasi: pralatih sistem dengan beragam contoh perilaku fisik manusia, gunakan data robot dalam jumlah lebih kecil untuk mendefinisikan suatu perilaku, lalu terapkan di ruang baru tanpa harus mengumpulkan ulang data untuk setiap ruangan. 11

Perusahaan juga melaporkan hubungan skala: ketika jumlah data prapelatihan Index dinaikkan dalam rentang delapan kali lipat, loss prediksi aksi robot turun secara terprediksi. Figure menyebut Index saat itu menghasilkan sekitar 35 menit data pengalaman manusia setiap detik. 3

Seorang perwakilan Figure secara terpisah menyebut sekitar 90.000 kontributor aktif mingguan saat perekaman, yang kemudian meningkat menjadi lebih dari 100.000. Angka kontributor tersebut adalah pernyataan perusahaan dan bukan data yang telah diaudit independen. 28

Figure juga mengumumkan komitmen komputasi awal sebesar US$3,5 miliar melalui kemitraan dengan Nscale. Targetnya hingga 100.000 GPU Nvidia Vera Rubin, dengan penerapan yang disebut akan dimulai pada paruh kedua 2027. 3

Mengapa pengujian ini belum menjawab persoalan robot rumah tangga

Hasil tersebut diumumkan dan dievaluasi oleh Figure sendiri, bukan melalui tolok ukur robotika rumah tangga independen yang telah ditinjau sejawat. 11

Ke-30 rumah itu dilaporkan merupakan hunian sewa jangka pendek yang kosong, rapi, dan memiliki pencahayaan baik. Rumah yang dihuni sehari-hari menghadirkan orang, hewan peliharaan, barang berantakan, pencahayaan yang berubah-ubah, gangguan, benda tidak lazim, serta tuntutan keselamatan. Semua faktor itu dapat membuat navigasi dan manipulasi benda jauh lebih sulit. 4

Jadi, kesimpulan yang paling tepat bukanlah “robot kini bisa mengurus rumah.” Figure telah memperlihatkan demonstrasi terkontrol bahwa prapelatihan dari data perilaku manusia berskala besar mungkin mengurangi kebutuhan untuk mengumpulkan demonstrasi robot di setiap rumah baru. Namun, apakah pendekatan ini mampu mencapai tingkat keandalan dan keselamatan yang diperlukan untuk rumah biasa yang dihuni, masih belum terjawab. 114