Canlı yayınlanan bu test, bir yandan da bir robot ile bir insan stajyer arasında yan yana bir yarışa sahne oldu ve insansı robotların lojistik alanındaki en net gerçek dünya kıyaslamalarından biri haline geldi.

200 Saatlik Otonom Depo Koşusu

Test, Figure AI’ın Sunnyvale, Kaliforniya’daki tesisinde gerçekleşti. Başlangıçta kısa bir gösteri olarak planlanan deney, günler süren bir dayanıklılık maratonuna dönüştü.

Koşudan elde edilen başlıca sonuçlar şöyle:

• Süre: yaklaşık 200 saat kesintisiz otonom operasyon
• Çıktı: kabaca 249.000–250.000 paket sıralandı
• Güvenilirlik: koşu boyunca sıfır donanım arızası

Bir raporda kesin sayı 249.558 paket olarak verilirken, diğer kaynaklar toplamı yaklaşık 249.560 olarak bildiriyor ve bu da yaygın olarak kullanılan “yaklaşık 250.000” rakamını destekliyor.

Ancak tüm raporlar aynı fikirde değil: Bir kaynak 149.000+ paket sayısını veriyor ve bu da canlı yayın sırasında yayınlanan tam rakamlarla ilgili bazı belirsizlikler olduğunu gösteriyor.

Bu tutarsızlığa rağmen, gösteri robotların bir haftadan uzun süre boyunca herhangi bir uzaktan kumanda veya mekanik arıza olmaksızın depo benzeri bir işi sürdürebildiğini kanıtladı ki bu gerçek dünya uygulamaları için önemli bir dönüm noktasıdır.

Robotlar Ne Kadar Hızlı Çalıştı?

Testin ana kıstası verimlilikti.

Figure AI daha önce lojistik sisteminin “insan eşdeğeri” hızlara ulaştığını ve paketleri öğe başına üç saniyenin altında işlediğini, yani bir vardiya boyunca aynı görevi yapan depo çalışanlarının hızına yaklaştığını bildirmişti.

Demodaki iş akışı, paket sıralama operasyonlarında tipik olan birkaç adımı içeriyordu:

• paketi görsel olarak tanıma
• barkodu okunabilecek şekilde yönlendirme
• etiketi tarama veya doğrulama
• öğeyi doğru konveyör hattına yerleştirme

Yüz binlerce öğe boyunca paket başına yaklaşık 3 saniye gibi bir hızı korumak, robotların kısa süreli hız patlamaları yerine üretim kalitesinde bir verimliliği sürdürebildiğini gösteriyor.

Robotların Beyni: Helix‑02

F.03 robotlarının performansı büyük ölçüde Figure’ın kendi geliştirdiği Helix‑02 yapay zeka sistemine dayanıyor.

Helix‑02, görüntü-dil-eylem (VLA) modeli olarak tanımlanıyor—algılama, akıl yürütme ve motor kontrolünü tek bir mimaride birleştiren bir sinir sistemi. Ayrı yazılım modülleri yerine, öğrenilmiş tek bir politika kamera girdisini yorumluyor ve robotun tüm vücut hareketlerini üretiyor.

Bu mimari, robotun şunları yapmasını sağlıyor:

• nesneleri kameralar ve sensörler kullanarak algılamak
• görevleri veya talimatları yorumlamak
• kolları, elleri ve gövdesi ile hareketleri planlamak ve uygulamak

Sistem, etkili bir şekilde “pikselleri eylemlere” dönüştürüyor ve robotun alışılmadık paketleri manipüle etmesine ve gerçek ortamlardaki değişen koşullara uyum sağlamasına olanak tanıyor.

Paket sıralama gibi lojistik görevler için bu, farklı paket şekillerini—kutular, zarflar veya polyester torbalar—tanımak ve etiketleri doğru şekilde taramak için robotun kavrama veya çevirme şeklini ayarlamak anlamına geliyor.

“İnsan Makine” Yarışı

Robotları insanlarla kıyaslamak için Figure, bir F.03 robotu ile Aime adlı şirket stajyeri arasında 10 saatlik bir başa baş yarışma düzenledi.

Her ikisine de aynı görev verildi: Her paketi taramak ve doğru konveyör bandına yerleştirmek.

Nihai sonuçlar son derece yakındı:

• Stajyer: 12.924 paket (≈ 2,79 saniye/paket)
• F.03 robotu: 12.732 paket (≈ 2,83 saniye/paket)

İnsan, tüm vardiya boyunca sadece 192 paket, yani yaklaşık %1,3 farkla kazandı.

Bir başka deyişle, robot neredeyse aynı hızda çalıştı—ancak tek vardiyada insanı geçmeye yetmedi.

Test Neden Depo Otomasyonu İçin Önemli?

İnsansı robotlar yıllardır var, ancak çoğu gösteri tarihsel olarak dakikalar veya saatler sürdü—günler değil.

Figure deneyi, lojistik otomasyonu için önemli olabilecek üç değişikliği vurguluyor:

1. Dayanıklılık
200 saat kesintisiz çalışmak, donanım ve kontrol sistemlerinin gerçek depolar için gerekli olan uzun operasyonel dönemleri kaldırabileceğini gösteriyor.

2. İnsana yakın verim
Paketleri yaklaşık üç saniyede sıralamak, robotları tekrarlayan görevlerde insan üretkenliğine yaklaştırıyor.

3. Otonom çalışma
Robotların uzaktan kumanda olmadan çalıştığı bildiriliyor, yani yapay zeka sistemi algılama ve manipülasyonu doğrudan robot üzerinde gerçekleştirdi.

Bu faktörler bir araya geldiğinde, insansı robotların kısa gösterilerden ticari olarak anlamlı depo görevlerine doğru ilerlediğini gösteriyor.

Önemli Uyarı

Etkileyici sayılara rağmen, kanıtlar hala büyük ölçüde Figure’ın kendi gösteri ve canlı yayın testlerinden geliyor, bağımsız büyük ölçekli dağıtımlardan değil.

Bu nedenle deney, insansı robotların bugün depo işgücünün büyük bir kısmının yerini almaya hazır olduğunun kanıtı olmaktan ziyade bir ilerleme kanıtı olarak anlaşılmalıdır.

Yine de, “İnsan Makine” yarışındaki dar fark—bir haftalık otonom koşuyla birleştiğinde—insansı robot teknolojisinin gerçek endüstriyel işe ne kadar hızlı yaklaştığını gösteriyor.

Stajyer bu turu kazanmış olabilir, ancak insanlar ve insansı robotlar arasındaki lojistik görevlerdeki fark artık paket başına saniyelerle, büyüklük sıralarıyla değil ölçülüyor.

Canlı yayınlanan bu test, bir yandan da bir robot ile bir insan stajyer arasında yan yana bir yarışa sahne oldu ve insansı robotların lojistik alanındaki en net gerçek dünya kıyaslamalarından biri haline geldi.

200 Saatlik Otonom Depo Koşusu

Test, Figure AI’ın Sunnyvale, Kaliforniya’daki tesisinde gerçekleşti. Başlangıçta kısa bir gösteri olarak planlanan deney, günler süren bir dayanıklılık maratonuna dönüştü.

Koşudan elde edilen başlıca sonuçlar şöyle:

• Süre: yaklaşık 200 saat kesintisiz otonom operasyon
• Çıktı: kabaca 249.000–250.000 paket sıralandı
• Güvenilirlik: koşu boyunca sıfır donanım arızası

Bir raporda kesin sayı 249.558 paket olarak verilirken, diğer kaynaklar toplamı yaklaşık 249.560 olarak bildiriyor ve bu da yaygın olarak kullanılan “yaklaşık 250.000” rakamını destekliyor.

Ancak tüm raporlar aynı fikirde değil: Bir kaynak 149.000+ paket sayısını veriyor ve bu da canlı yayın sırasında yayınlanan tam rakamlarla ilgili bazı belirsizlikler olduğunu gösteriyor.

Bu tutarsızlığa rağmen, gösteri robotların bir haftadan uzun süre boyunca herhangi bir uzaktan kumanda veya mekanik arıza olmaksızın depo benzeri bir işi sürdürebildiğini kanıtladı ki bu gerçek dünya uygulamaları için önemli bir dönüm noktasıdır.

Robotlar Ne Kadar Hızlı Çalıştı?

Testin ana kıstası verimlilikti.

Figure AI daha önce lojistik sisteminin “insan eşdeğeri” hızlara ulaştığını ve paketleri öğe başına üç saniyenin altında işlediğini, yani bir vardiya boyunca aynı görevi yapan depo çalışanlarının hızına yaklaştığını bildirmişti.

Demodaki iş akışı, paket sıralama operasyonlarında tipik olan birkaç adımı içeriyordu:

• paketi görsel olarak tanıma
• barkodu okunabilecek şekilde yönlendirme
• etiketi tarama veya doğrulama
• öğeyi doğru konveyör hattına yerleştirme

Yüz binlerce öğe boyunca paket başına yaklaşık 3 saniye gibi bir hızı korumak, robotların kısa süreli hız patlamaları yerine üretim kalitesinde bir verimliliği sürdürebildiğini gösteriyor.

Robotların Beyni: Helix‑02

F.03 robotlarının performansı büyük ölçüde Figure’ın kendi geliştirdiği Helix‑02 yapay zeka sistemine dayanıyor.

Helix‑02, görüntü-dil-eylem (VLA) modeli olarak tanımlanıyor—algılama, akıl yürütme ve motor kontrolünü tek bir mimaride birleştiren bir sinir sistemi. Ayrı yazılım modülleri yerine, öğrenilmiş tek bir politika kamera girdisini yorumluyor ve robotun tüm vücut hareketlerini üretiyor.

Bu mimari, robotun şunları yapmasını sağlıyor:

• nesneleri kameralar ve sensörler kullanarak algılamak
• görevleri veya talimatları yorumlamak
• kolları, elleri ve gövdesi ile hareketleri planlamak ve uygulamak

Sistem, etkili bir şekilde “pikselleri eylemlere” dönüştürüyor ve robotun alışılmadık paketleri manipüle etmesine ve gerçek ortamlardaki değişen koşullara uyum sağlamasına olanak tanıyor.

Paket sıralama gibi lojistik görevler için bu, farklı paket şekillerini—kutular, zarflar veya polyester torbalar—tanımak ve etiketleri doğru şekilde taramak için robotun kavrama veya çevirme şeklini ayarlamak anlamına geliyor.

“İnsan Makine” Yarışı

Robotları insanlarla kıyaslamak için Figure, bir F.03 robotu ile Aime adlı şirket stajyeri arasında 10 saatlik bir başa baş yarışma düzenledi.

Her ikisine de aynı görev verildi: Her paketi taramak ve doğru konveyör bandına yerleştirmek.

Nihai sonuçlar son derece yakındı:

• Stajyer: 12.924 paket (≈ 2,79 saniye/paket)
• F.03 robotu: 12.732 paket (≈ 2,83 saniye/paket)

İnsan, tüm vardiya boyunca sadece 192 paket, yani yaklaşık %1,3 farkla kazandı.

Bir başka deyişle, robot neredeyse aynı hızda çalıştı—ancak tek vardiyada insanı geçmeye yetmedi.

Test Neden Depo Otomasyonu İçin Önemli?

İnsansı robotlar yıllardır var, ancak çoğu gösteri tarihsel olarak dakikalar veya saatler sürdü—günler değil.

Figure deneyi, lojistik otomasyonu için önemli olabilecek üç değişikliği vurguluyor:

1. Dayanıklılık
200 saat kesintisiz çalışmak, donanım ve kontrol sistemlerinin gerçek depolar için gerekli olan uzun operasyonel dönemleri kaldırabileceğini gösteriyor.

2. İnsana yakın verim
Paketleri yaklaşık üç saniyede sıralamak, robotları tekrarlayan görevlerde insan üretkenliğine yaklaştırıyor.

3. Otonom çalışma
Robotların uzaktan kumanda olmadan çalıştığı bildiriliyor, yani yapay zeka sistemi algılama ve manipülasyonu doğrudan robot üzerinde gerçekleştirdi.

Bu faktörler bir araya geldiğinde, insansı robotların kısa gösterilerden ticari olarak anlamlı depo görevlerine doğru ilerlediğini gösteriyor.

Önemli Uyarı

Etkileyici sayılara rağmen, kanıtlar hala büyük ölçüde Figure’ın kendi gösteri ve canlı yayın testlerinden geliyor, bağımsız büyük ölçekli dağıtımlardan değil.

Bu nedenle deney, insansı robotların bugün depo işgücünün büyük bir kısmının yerini almaya hazır olduğunun kanıtı olmaktan ziyade bir ilerleme kanıtı olarak anlaşılmalıdır.

Yine de, “İnsan Makine” yarışındaki dar fark—bir haftalık otonom koşuyla birleştiğinde—insansı robot teknolojisinin gerçek endüstriyel işe ne kadar hızlı yaklaştığını gösteriyor.

Stajyer bu turu kazanmış olabilir, ancak insanlar ve insansı robotlar arasındaki lojistik görevlerdeki fark artık paket başına saniyelerle, büyüklük sıralarıyla değil ölçülüyor.