Helix 2.5 ของ Figure ทำงานบ้านในบ้านแปลกหน้าได้ 56% แต่ยังไม่ใช่หุ่นยนต์แม่บ้านพร้อมใช้

Figure เปิดตัว Helix 2.5 พร้อมข้ออ้างที่น่าสนใจต่อวงการหุ่นยนต์: หุ่นยนต์ฮิวแมนนอยด์ Figure 03 สามารถเข้าไปทำงานบ้านในสถานที่ที่ไม่เคยพบมาก่อนได้ โดยบริษัททดสอบในบ้าน 30 หลังในเขต Bay Area ของสหรัฐฯ ซึ่งไม่เคยเก็บข้อมูลจากบ้านเหล่านั้นมาก่อน

แต่ตัวเลขพาดหัวคืออัตราสำเร็จ 56% ของภารกิจทั้งหมด ไม่ได้แปลว่าหุ่นยนต์พร้อมรับงานบ้านแล้ว เพราะภายใต้เกณฑ์ที่เข้มงวดเดียวกัน ยังมีความพยายาม 44% ที่ทำภารกิจไม่สำเร็จ 114

ทดสอบอะไรบ้าง

Figure ระบุว่าได้นำ Helix 2.5 ไปฝึกล่วงหน้าด้วย Index ซึ่งเป็นชุดข้อมูลพฤติกรรมมนุษย์ของบริษัท ก่อนนำโมเดลพื้นฐานเดียวกันไปสร้างพฤติกรรมสำหรับงานบ้าน 3 ประเภท ได้แก่

• เก็บกวาดห้องนั่งเล่น
• พับผ้าเช็ดตัว
• จัดเตียง

จากนั้นจึงนำหุ่นยนต์ไปประเมินในบ้าน 30 หลังที่ไม่เคยเห็นมาก่อนใน Bay Area บริษัทระบุว่าไม่มีการเก็บข้อมูลในบ้านทดสอบแม้แต่หลังเดียว และไม่มีการปรับจูนแบบเฉพาะสถานที่ เฉพาะวัตถุ หรือการปรับตัวระหว่างการทดสอบ โดยใช้เช็กพอยต์ของโมเดลตัวเดิมตลอดทุกบ้าน 11

คำว่า zero-shot ในที่นี้จึงหมายถึงหุ่นยนต์ไม่ได้รับการฝึกสำหรับบ้านเหล่านั้น หรือของเล่น ผ้าเช็ดตัว และเครื่องนอนที่ต้องหยิบจับเป็นรายชิ้น ไม่ได้หมายความว่างานทั้ง 3 ประเภทเกิดขึ้นโดยไม่ผ่านการฝึกเฉพาะงานเลย เพราะ Figure อธิบายว่าได้ปรับโมเดลพื้นฐานให้เป็นพฤติกรรมสำหรับงานเหล่านี้ 11

56% เทียบกับ 9% ต่างกันอย่างไร

ในการเปรียบเทียบแบบควบคุม Figure รายงานว่าการฝึกล่วงหน้าด้วย Index ทำให้อัตราความสำเร็จ zero-shot ของภารกิจครบถ้วน เพิ่มจาก 9% ในโมเดลที่เทียบเคียงกันซึ่งฝึกจากศูนย์ เป็น 56% 411

เกณฑ์ให้คะแนนเป็นแบบ “สำเร็จทั้งหมดหรือไม่สำเร็จเลย” ไม่มีคะแนนสำหรับทำได้บางส่วน ตัวอย่างเช่น

• งานเก็บห้องนั่งเล่นต้องนำของเล่นที่กระจัดกระจาย ทุกชิ้น ลงตะกร้า
• งานพับผ้าต้องพับและวางผ้าเช็ดตัวให้เรียบร้อย
• งานจัดเตียงต้องวางหมอนและผ้าห่มให้ถูกตำแหน่ง พร้อมเกลี่ยให้เรียบ

4

เกณฑ์เช่นนี้ทำให้ 56% มีน้ำหนักมากกว่าคะแนนที่นับเพียงความคืบหน้าบางส่วน แต่ก็สะท้อนข้อจำกัดชัดเจนเช่นกัน: เกือบครึ่งหนึ่งของความพยายามยังไม่ผ่านทั้งงาน ผลลัพธ์นี้จึงเป็นหลักฐานว่าการฝึกข้อมูลวงกว้างอาจช่วยให้หุ่นยนต์ถ่ายโอนทักษะไปสู่สภาพแวดล้อมใหม่ได้ดีขึ้น ไม่ใช่หลักฐานว่าหุ่นยนต์ฮิวแมนนอยด์ทำงานบ้านได้อย่างน่าเชื่อถือโดยไม่ต้องมีคนดูแล 4

เหตุผลที่ Figure เชื่อว่าขยายผลได้

แนวคิดหลักของ Figure คล้ายรูปแบบของโมเดลพื้นฐานใน AI: ฝึกโมเดลล่วงหน้าจากตัวอย่างพฤติกรรมทางกายภาพของมนุษย์ที่หลากหลาย ใช้ข้อมูลหุ่นยนต์ในปริมาณน้อยกว่าเพื่อกำหนดงานหนึ่งครั้ง แล้วนำไปใช้ในพื้นที่ใหม่โดยไม่ต้องสร้างชุดข้อมูลหุ่นยนต์ใหม่สำหรับทุกห้องหรือทุกบ้าน 11

บริษัทรายงานความสัมพันธ์เชิงการขยายขนาดว่า เมื่อเพิ่มข้อมูลฝึกล่วงหน้า Index ในช่วงรวม 8 เท่า ค่าความสูญเสียในการทำนายการกระทำของหุ่นยนต์ลดลงอย่างคาดการณ์ได้ นอกจากนี้ Figure ยังระบุว่า Index สร้างข้อมูลประสบการณ์มนุษย์ได้ราว 35 นาทีต่อวินาที 3

ตัวแทนของบริษัทยังระบุแยกต่างหากว่า ในช่วงถ่ายทำมีผู้ร่วมส่งข้อมูลที่ใช้งานรายสัปดาห์ราว 90,000 คน ก่อนเพิ่มเป็นมากกว่า 100,000 คน อย่างไรก็ดี ตัวเลขผู้ร่วมส่งข้อมูลนี้เป็นคำกล่าวของบริษัท ไม่ใช่ข้อมูลที่ผ่านการตรวจสอบอิสระ 28

Figure ยังประกาศภาระผูกพันด้านทรัพยากรประมวลผลเริ่มต้น 3.5 พันล้านดอลลาร์สหรัฐ ผ่านความร่วมมือกับ Nscale โดยตั้งเป้าใช้ GPU Nvidia Vera Rubin ได้สูงสุด 100,000 ตัว และเริ่มติดตั้งในช่วงครึ่งหลังของปี 2027 3

เหตุใดผลนี้ยังไม่ตัดสินอนาคตหุ่นยนต์ในบ้าน

ประการแรก การประกาศและการประเมินมาจาก Figure เอง ไม่ใช่มาตรฐานทดสอบหุ่นยนต์ในบ้านที่เป็นอิสระและผ่านการทบทวนโดยผู้ทรงคุณวุฒิ 11

ประการต่อมา บ้านทั้ง 30 หลังมีรายงานว่าเป็นที่พักเช่าระยะสั้นซึ่งว่าง เป็นระเบียบ และมีแสงสว่างดี ต่างจากบ้านที่มีผู้อยู่อาศัยจริง ซึ่งอาจมีคน สัตว์เลี้ยง ของรก แสงที่แปรปรวน การขัดจังหวะ วัตถุแปลกตา และข้อกำหนดด้านความปลอดภัย ปัจจัยเหล่านี้ทำให้ทั้งการเดิน การนำทาง และการหยิบจับยากขึ้นอย่างมาก 4

ข้อสรุปที่เหมาะสมจึงไม่ใช่ “หุ่นยนต์ทำงานบ้านได้แล้ว” แต่คือ Figure ได้สาธิตภายใต้เงื่อนไขควบคุมว่า การฝึกล่วงหน้าจากข้อมูลพฤติกรรมมนุษย์ขนาดใหญ่อาจลดความจำเป็นในการเก็บตัวอย่างการสาธิตด้วยหุ่นยนต์ใหม่ในทุกบ้านได้ ส่วนคำถามว่าระบบนี้จะมีความน่าเชื่อถือและความปลอดภัยพอสำหรับบ้านที่มีคนใช้ชีวิตอยู่จริงหรือไม่ ยังไม่มีคำตอบ 114