Figure Helix 2.5 Catat 56% Kejayaan Zero-Shot di 30 Rumah Baharu

Figure mendakwa Helix 2.5 ialah kemajuan penting dalam keupayaan robot menyesuaikan kemahiran kepada persekitaran baharu. Robot humanoid Figure 03 diuji melakukan kerja rumah di kediaman yang tidak pernah ditemuinya sebelum ini. Namun, angka utama itu perlu dibaca dengan tepat: kadar kejayaan tugasan penuh ialah 56%, yang juga bermaksud 44% percubaan tidak berjaya mengikut kaedah pemarkahan ketat ujian tersebut. 114

Apa yang sebenarnya diuji

Figure menyatakan Helix 2.5 dipralatih menggunakan Index, dataset tingkah laku manusia milik syarikat itu. Daripada model asas tersebut, Figure membangunkan tiga tingkah laku kerja rumah:

• mengemas ruang tamu;
• melipat tuala; dan
• mengemas katil.

Robot itu kemudian dinilai di 30 rumah di Bay Area yang sebelum ini tidak pernah dilihatnya. Menurut Figure, tiada data dikumpulkan di mana-mana rumah penilaian itu, dan tiada penalaan halus atau penyesuaian khusus bagi lokasi mahupun objek dilakukan. Satu titik semak model yang tetap digunakan merentasi semua rumah. 11

Dalam konteks ini, istilah zero-shot bermaksud robot tidak dilatih khusus untuk rumah-rumah tersebut atau objek seperti mainan, tuala dan peralatan tempat tidur yang ditemuinya di situ. Ia bukan bermaksud ketiga-tiga kategori tugasan itu dipelajari tanpa latihan khusus langsung; Figure menerangkan bahawa model asas itu telah disesuaikan untuk tiga tingkah laku berkenaan. 11

56% berbanding 9%: kenaikan yang ketara, bukan kesempurnaan

Dalam perbandingan terkawal Figure, pralatih menggunakan Index meningkatkan kadar kejayaan zero-shot tugasan penuh daripada 9% bagi model setanding yang dilatih dari awal kepada 56% bagi model pralatih. 411

Pemarkahannya pula bersifat serba-atau-tiada. Bagi mengemas ruang tamu, setiap mainan yang berselerak mesti dimasukkan ke dalam bakul. Untuk melipat tuala, tuala perlu dilipat dan diletakkan dengan betul. Bagi mengemas katil, bantal dan selimut tebal perlu berada pada kedudukan yang tepat serta diratakan. 4

Kaedah ini menjadikan angka 56% lebih bermakna berbanding ukuran yang memberi markah bagi kerja separa siap. Pada masa yang sama, ia menonjolkan jurang yang masih besar: 44% percubaan tugasan penuh gagal. Dapatan ini menyokong idea bahawa pralatih berskala besar boleh membantu robot memindahkan kemahiran ke persekitaran asing, bukannya membuktikan robot humanoid sudah bersedia bekerja sendiri di rumah tanpa pengawasan. 4

Mengapa Figure percaya pendekatan ini boleh diperluas

Teori utama Figure menyerupai pendekatan model asas dalam AI: latih awal menggunakan contoh tingkah laku fizikal manusia yang pelbagai, gunakan jumlah data robot yang lebih kecil untuk membentuk sesuatu tingkah laku, kemudian gunakan robot itu di ruang baharu tanpa perlu membina semula dataset bagi setiap bilik atau rumah. 11

Syarikat itu turut melaporkan hubungan penskalaan: kehilangan ramalan tindakan robot menurun secara boleh dijangka apabila jumlah data pralatih Index ditingkatkan merentasi julat lapan kali ganda. Figure juga menyatakan Index menjana kira-kira 35 minit data pengalaman manusia setiap saat. 3

Seorang wakil Figure secara berasingan menyatakan terdapat kira-kira 90,000 penyumbang aktif mingguan ketika rakaman dibuat, sebelum meningkat melebihi 100,000. Angka penyumbang ini ialah kenyataan syarikat dan bukannya bukti yang telah diaudit secara bebas. 28

Figure juga mengumumkan komitmen pengkomputeran awal sebanyak AS$3.5 bilion melalui kerjasamanya dengan Nscale, dengan sasaran sehingga 100,000 GPU Nvidia Vera Rubin dan pelaksanaan bermula pada separuh kedua 2027. 3

Mengapa ujian ini belum menyelesaikan persoalan robot rumah

Keputusan tersebut diumumkan dan dinilai oleh Figure sendiri, bukan melalui penanda aras robotik rumah yang bebas serta disemak rakan sebaya. 11

Kesemua 30 rumah itu dilaporkan ialah sewaan jangka pendek yang kosong, teratur dan terang. Rumah yang benar-benar didiami pula melibatkan orang, haiwan peliharaan, barang berselerak, pencahayaan berubah-ubah, gangguan, objek luar biasa serta keperluan keselamatan. Semua faktor itu boleh menjadikan pergerakan dan manipulasi objek jauh lebih sukar. 4

Kesimpulan yang lebih tepat bukanlah “robot kini boleh melakukan kerja rumah.” Figure telah menunjukkan demonstrasi terkawal bahawa pralatih berasaskan data tingkah laku manusia berskala besar mungkin mengurangkan keperluan mengumpul demonstrasi robot di setiap rumah baharu. Sama ada pendekatan ini mampu mencapai tahap kebolehpercayaan dan keselamatan yang diperlukan untuk rumah biasa yang didiami masih belum terjawab. 114