Figure Helix 2.5 klarte 56 prosent av oppgavene i 30 ukjente hjem

Figures kunngjøring av Helix 2.5 er et interessant bidrag til spørsmålet om generalisering i robotikk: Kan en humanoid robot løse oppgaver i et hjem den aldri har sett før? Selskapet svarer foreløpig «til en viss grad». Men tallet i overskriften – 56 prosent fullførte oppgaver – betyr også at roboten ikke fullførte 44 prosent av forsøkene etter testens strenge kriterier. 114

Dette ble testet

Figure opplyser at Helix 2.5 først ble trent på Index, selskapets datasett med data om menneskelig atferd. Fra denne grunnmodellen laget selskapet tre husholdningsatferder:

• rydde stuer
• brette håndklær
• re senger

Deretter ble Figure 03-roboten evaluert i 30 tidligere ukjente hjem i Bay Area, området rundt San Francisco. Ifølge Figure ble det ikke samlet inn data i noen av evalueringshjemmene. Det ble heller ikke gjort finjustering eller annen tilpasning til det enkelte stedet eller gjenstandene roboten skulle håndtere. Det samme faste modellpunktet ble brukt i alle hjemmene. 11

Det er dette «zero-shot» betyr i denne sammenhengen: Roboten var ikke trent på akkurat disse boligene, lekene, håndklærne eller sengetøyet. Det betyr derimot ikke at de tre oppgavetypene var lært uten oppgavespesifikk trening; Figure beskriver at grunnmodellen ble tilpasset disse tre atferdene. 11

56 prosent mot 9 prosent

I Figures kontrollerte sammenligning økte fortrening på Index andelen fullførte zero-shot-oppgaver fra 9 prosent for en ellers sammenlignbar modell trent fra bunnen av, til 56 prosent for den fortrente modellen. 411

Vurderingen ga ingen uttelling for delvis arbeid. Ved rydding måtte alle spredte leker havne i kurven. Ved håndklebretting måtte håndklærne både brettes og legges på plass. Ved sengeoppredning måtte puter og dyne plasseres riktig og glattes ut. 4

Det gjør 56 prosent til et mer krevende mål enn en løs vurdering av delvis fremdrift. Samtidig synliggjør det begrensningen: 44 prosent av hele forsøkene mislyktes. Resultatet er dermed støtte for at bred fortrening kan gjøre det lettere å overføre ferdigheter til ukjente omgivelser – ikke bevis på at en husholdningsrobot kan arbeide pålitelig uten tilsyn. 4

Hvorfor Figure mener metoden kan skaleres

Figures overordnede idé ligner tilnærmingen bak grunnmodeller for språk og bilder: Tren bredt på mange eksempler på menneskelig fysisk atferd, bruk en mindre mengde robotdata for å definere en bestemt oppgave, og sett deretter roboten inn i nye miljøer uten å bygge opp et nytt datasett for hvert rom. 11

Selskapet rapporterer også en skaleringssammenheng der tapet i prediksjon av robothandlinger falt forutsigbart da mengden Index-data til fortrening ble økt åtte ganger. Figure sa dessuten at Index genererte om lag 35 minutter med data om menneskelige erfaringer per sekund. 3

En representant for Figure oppga separat rundt 90 000 ukentlig aktive bidragsytere under filmingen, senere over 100 000. Dette er et selskapsutsagn og ikke et uavhengig revidert tall. 28

Figure har i tillegg varslet en innledende datakraftforpliktelse på 3,5 milliarder dollar gjennom samarbeidet med Nscale. Planen er opptil 100 000 Nvidia Vera Rubin-GPU-er, med utrulling som skal starte i andre halvår 2027. 3

Hvorfor testen ikke avgjør spørsmålet om hjemme-roboter

Resultatet er kunngjort og evaluert av Figure selv, ikke dokumentert gjennom en uavhengig, fagfellevurdert standardtest for husholdningsroboter. 11

De 30 hjemmene skal ha vært korttidsutleieboliger som var tomme, ryddige og godt opplyste. Virkelige hjem har mennesker, kjæledyr, rot, varierende lysforhold, avbrytelser, uvanlige gjenstander og sikkerhetshensyn. Alt dette kan gjøre både navigasjon og håndtering av gjenstander betydelig vanskeligere. 4

Den mest nøkterne konklusjonen er derfor ikke at «roboter nå kan gjøre husarbeid». Figure har vist en kontrollert demonstrasjon av at store mengder data om menneskelig atferd kan redusere behovet for å samle inn robotdemonstrasjoner på nytt i hvert nytt hjem. Om tilnærmingen kan nå den påliteligheten og sikkerheten som kreves i vanlige, bebodde boliger, er fortsatt uavklart. 114