Figure Helix 2.5: что на самом деле показал тест робота в 30 домах

Figure представила Helix 2.5 как аргумент в пользу того, что гуманоидные роботы могут переносить навыки в незнакомую обстановку. В испытании её робот Figure 03 выполнял домашние дела в помещениях, которых раньше не видел. Однако главный показатель — 56% полностью успешных попыток — одновременно означает, что 44% попыток не завершились успехом по строгим правилам оценки. 114

Что именно проверяла Figure

Компания предварительно обучила Helix 2.5 на Index — собственной базе данных о человеческом поведении. На основе этой фундаментальной модели были сформированы три бытовых навыка:

• уборка гостиной: разбросанные игрушки нужно было собрать в корзину;
• складывание полотенец;
• застилание кровати.

Затем эти навыки проверили в 30 ранее незнакомых домах в районе залива Сан-Франциско (Bay Area). Figure утверждает, что в тестовых домах не собирались данные, не применялись дообучение или адаптация под конкретное помещение либо предметы, а во всех локациях использовалась одна фиксированная версия модели. 11

Здесь важно корректно понимать термин zero-shot. Он означает, что робота не обучали именно этим домам и конкретным игрушкам, полотенцам или постельному белью, которые встретились ему при испытании. Но это не означает, что три типа задач были освоены вовсе без специализированного обучения: Figure описывает адаптацию фундаментальной модели под эти три навыка. 11

Откуда взялись 56% против 9%

В контролируемом сравнении Figure заявила, что предобучение на Index повысило долю успешного выполнения полного задания с 9% у в остальном сопоставимой модели, обученной с нуля, до 56% у предобученной модели. 411

Оценка была принципиально жёсткой — без зачёта за частичный результат:

• при уборке все разбросанные игрушки должны были оказаться в корзине;
• полотенца требовалось сложить и разместить как положено;
• при застилании кровати нужно было правильно уложить и разгладить одеяло, а также расположить подушки. 4

Поэтому 56% — более содержательная цифра, чем расплывчатая оценка «частично справился». Но она же подчёркивает пределы демонстрации: почти в половине полных попыток робот не выполнил задачу. Результат служит свидетельством того, что масштабное предобучение способно улучшать перенос навыков в новые условия; он не подтверждает готовность домашнего гуманоида к надёжной работе без присмотра. 4

Почему Figure считает подход масштабируемым

Идея компании похожа на подход с фундаментальными моделями в ИИ: сначала обучить систему на разнообразных примерах человеческих физических действий, затем определить конкретный навык сравнительно небольшим объёмом робототехнических данных — и после этого применять его в новых пространствах, не собирая демонстрации заново для каждой комнаты. 11

Figure также сообщила о масштабируемой зависимости: при увеличении объёма данных предобучения Index в восемь раз ошибка предсказания действий робота снижалась предсказуемым образом. По заявлению компании, Index генерировал около 35 минут данных о человеческом опыте в секунду. 3

Отдельно представитель Figure сообщил примерно о 90 000 еженедельно активных участников на момент съёмки, а позднее — о более чем 100 000. Это заявление самой компании, а не результат независимого аудита. 28

Также Figure объявила о первоначальном обязательстве выделить 3,5 млрд долларов вычислительных ресурсов в партнёрстве с Nscale. План предусматривает до 100 000 графических процессоров Nvidia Vera Rubin, а развёртывание должно начаться во второй половине 2027 года. 3

Почему тест пока не решает проблему домашних роботов

Испытание было объявлено и проведено самой Figure, а не в рамках независимого рецензируемого бенчмарка по домашней робототехнике. 11

Как сообщается, 30 домов представляли собой пустые, опрятные и хорошо освещённые объекты краткосрочной аренды. Реальный жилой дом сложнее: люди и домашние животные перемещаются, вещи лежат не на местах, освещение меняется, возникают помехи, нестандартные предметы и требования безопасности. Всё это заметно усложняет и навигацию, и манипуляции предметами. 4

Корректный вывод здесь уже, чем фраза «роботы научились делать домашнюю работу». Figure показала контролируемую демонстрацию: предобучение на крупном массиве данных о человеческом поведении может уменьшить потребность собирать новые демонстрации робота для каждого нового дома. Открытым остаётся вопрос, можно ли этим путём достичь уровня надёжности и безопасности, необходимого для обычных домов, где живут люди. 114