Figure Helix 2.5 haalt 56% succes in 30 onbekende woningen

Figure presenteert Helix 2.5 als een belangrijke stap in de generaliseerbaarheid van robots: de humanoïde Figure 03 voerde huishoudelijke taken uit in woningen die het systeem niet eerder had gezien. De opvallende score is 56% volledige taaksuccessen, maar dat betekent ook dat 44% van de pogingen niet volledig slaagde volgens de strenge beoordelingsregels. 114

Wat Figure precies heeft getest

Helix 2.5 is vooraf getraind op Index, Figures eigen dataset met gegevens over menselijk gedrag. Vanuit dat basismodel ontwikkelde het bedrijf drie huishoudelijke gedragingen:

• woonkamers opruimen;
• handdoeken vouwen;
• bedden opmaken.

Daarna testte Figure de robot in 30 niet eerder geziene woningen in de Bay Area, de regio rond San Francisco. Volgens het bedrijf werd in geen van die woningen data verzameld. Ook was er geen fine-tuning of aanpassing voor een specifieke woning of voor de voorwerpen die de robot moest hanteren. In alle woningen draaide hetzelfde vaste modelcheckpoint. 11

Met zero-shot bedoelt Figure dus dat de robot niet was getraind op juist deze woningen, speelgoedjes, handdoeken of beddengoed. Het betekent niet dat de drie soorten taken zonder enige taakspecifieke training waren aangeleerd: Figure beschrijft dat het basismodel is aangepast voor deze drie gedragingen. 11

De vergelijking: 56% tegenover 9%

In een gecontroleerde vergelijking meldde Figure dat voortraining op Index het volledige zero-shot-succes verhoogde van 9% voor een verder vergelijkbaar model dat vanaf nul was getraind, naar 56% voor het voorgetrainde model. 411

De beoordeling kende geen punten voor gedeeltelijk werk. Bij het opruimen moesten alle verspreide speeltjes in de mand belanden. Voor handdoeken vouwen moesten de handdoeken gevouwen én neergelegd zijn. Bij een bed opmaken moesten de kussens en het dekbed correct liggen en gladgestreken zijn. 4

Die alles-of-nietsmaatstaf maakt 56% inhoudelijk sterker dan een vrijblijvende score voor gedeeltelijke voltooiing. Tegelijk toont hij de beperking scherp: 44% van de volledige pogingen mislukte. De proef is dus aanwijzing dat grootschalige voortraining de overdracht naar onbekende omgevingen kan verbeteren, niet dat een huishoudrobot al zonder toezicht betrouwbaar inzetbaar is. 4

Waarom Figure denkt dat dit schaalbaar is

Figures bredere idee lijkt op de aanpak achter taal- en andere foundation models: eerst trainen op uiteenlopende voorbeelden van menselijk fysiek gedrag, vervolgens met een kleinere hoeveelheid robotdata een taakgedrag vastleggen, en daarna uitrollen in onbekende ruimten zonder voor elke kamer opnieuw data te verzamelen. 11

Het bedrijf rapporteert bovendien een schaalverband: naarmate de hoeveelheid Index-data voor voortraining toenam over een achtvoudig bereik, daalde het verlies bij het voorspellen van robotacties op een voorspelbare manier. Figure zei ook dat Index ongeveer 35 minuten aan data over menselijke handelingen per seconde produceerde. 3

Een vertegenwoordiger van Figure meldde afzonderlijk circa 90.000 wekelijks actieve bijdragers tijdens de opnames, later meer dan 100.000. Dat aantal is een bedrijfsclaim en geen onafhankelijk gecontroleerd cijfer. 28

Verder kondigde Figure via de samenwerking met Nscale een initiële computerinzet van 3,5 miljard dollar aan, met als doel maximaal 100.000 Nvidia Vera Rubin-GPU's. De uitrol zou in de tweede helft van 2027 beginnen. 3

Waarom de proef huishoudrobots nog niet heeft afgeschreven of bewezen

De resultaten zijn aangekondigd en beoordeeld door Figure zelf, niet vastgesteld via een onafhankelijk, peer-reviewed vergelijkend onderzoek naar huishoudrobotica. 11

De 30 woningen waren naar verluidt kortetermijnhuurwoningen die leeg, opgeruimd en goed verlicht waren. In bewoonde huizen zijn er mensen, huisdieren, rommel, wisselend licht, onderbrekingen, ongebruikelijke objecten en veiligheidsrisico's. Zulke omstandigheden maken bewegen en objecten vastpakken aanzienlijk lastiger. 4

De nuchtere conclusie is daarom niet: ‘robots kunnen nu het huishouden doen’. Figure laat in een gecontroleerde demonstratie zien dat training op veel data over menselijk gedrag mogelijk de noodzaak vermindert om in elke nieuwe woning robotdemonstraties te verzamelen. Of deze methode betrouwbaar en veilig genoeg kan worden voor gewone, bewoonde huizen, moet nog blijken. 114