Цей тест, який транслювався в прямому ефірі, разом із паралельним змаганням між роботом і людиною-стажером, став одним із найпоказовіших реальних бенчмарків для гуманоїдних роботів у логістиці.

200-годинний автономний складський марафон

Тест розпочався як коротка демонстрація, але переріс у багатоденний експеримент на витривалість.

Ключові результати:

• Тривалість: близько 200 годин безперервної автономної роботи
• Продуктивність: приблизно 249 000–250 000 відсортованих пакунків
• Надійність: нуль апаратних збоїв за весь час тесту

В одному зі звітів згадується точна цифра в 249 558 пакунків, в іншому — 249 560, що підтверджує загальнопоширену оцінку „майже 250 000“.

Однак слід зазначити, що не всі джерела одностайні: одне з них наводить цифру в 149 000+ пакунків, що вказує на певну невизначеність у точних підрахунках під час прямої трансляції.

Навіть з огляду на цю розбіжність, демонстрація показала, що роботи здатні працювати більше тижня безперервно, виконуючи складську роботу без телекерування або механічних поломок. Це важливий крок до реального впровадження.

Наскільки швидко працювали роботи?

Основним показником тесту була продуктивність (throughput).

Раніше Figure AI повідомляла, що її логістична система досягла „людського паритету“ за швидкістю, обробляючи пакунки за менш ніж три секунди на одиницю — приблизно такий самий темп, як у складських працівників протягом зміни.

Типовий робочий процес сортування включає кілька етапів:

• візуальне розпізнавання пакунка
• його орієнтація для сканування штрих-коду
• сканування або перевірка етикетки
• розміщення предмета на правильному конвеєрі

Підтримка темпу в близько 3 секунд на пакунок для сотень тисяч одиниць свідчить про те, що роботи можуть підтримувати продуктивність, необхідну для реального виробництва, а не лише короткочасні спурти.

«Мозок» роботів: нейромережа Helix-02

Продуктивність роботів F.03 значною мірою залежить від власної AI-системи Figure — Helix-02.

Helix-02 описується як модель „зір-мова-дія“ (vision-language-action, VLA) — нейронна система, яка об'єднує сприйняття, логіку та моторний контроль в єдину архітектуру. Замість окремих модулів, одна навчена політика інтерпретує зображення з камер і генерує всі дії тіла робота.

Ця архітектура дозволяє роботу:

• сприймати об'єкти за допомогою камер і сенсорів
• інтерпретувати завдання або інструкції
• планувати та виконувати рухи руками, кистями та всім тілом

Система фактично перетворює „пікселі на дії“, дозволяючи роботу маніпулювати незнайомими пакунками та адаптуватися до мінливих умов реального середовища.

Для логістичних завдань, як-от сортування пакунків, це означає здатність розпізнавати різні форми (коробки, конверти, поліетиленові пакети) та адаптувати спосіб захоплення або перегортання для коректного сканування етикеток.

Змагання «Людина проти машини»

Щоб порівняти продуктивність роботів з людською, Figure організувала 10-годинне змагання віч-на-віч між одним роботом F.03 та стажеркою компанії на ім'я Айм (Aime).

Обидва отримали однакове завдання: відсканувати кожен пакунок і правильно розмістити його на конвеєрній стрічці.

Фінальні результати були надзвичайно близькими:

• Людина-стажер: 12 924 пакунки (≈ 2,79 секунди на пакунок)
• Робот F.03: 12 732 пакунки (≈ 2,83 секунди на пакунок)

Людина перемогла лише на 192 пакунки, що становить розрив приблизно в 1,3% за всю зміну.

Іншими словами, робот працював майже з тією ж швидкістю, але цього виявилося недостатньо, щоб випередити людину в цій одній зміні.

Чому цей тест важливий для автоматизації складів?

Гуманоїдні роботи існують роками, але більшість демонстрацій історично тривали хвилини або години, а не дні.

Експеримент Figure висвітлює три зміни, які можуть мати значення для автоматизації логістики:

1. Витривалість
Здатність працювати безперервно протягом 200 годин демонструє, що апаратне забезпечення та системи керування можуть витримувати тривалі робочі періоди, що є критично важливим для реальних складів.

2. Продуктивність на рівні людини
Сортування пакунків приблизно за три секунди кожен наближає роботів до продуктивності людини на повторюваних завданнях.

3. Автономна робота
Роботи працювали без телекерування, тобто AI-система безпосередньо керувала сприйняттям і маніпуляціями на самому роботі.

Разом ці фактори свідчать про те, що гуманоїдні роботи можуть переходити від коротких демонстрацій до комерційно значущих складських завдань.

Важливе застереження

Незважаючи на вражаючі цифри, докази все ще надходять переважно з власних демонстрацій і прямих трансляцій Figure AI, а не з незалежних масштабних впроваджень.

Таким чином, цей експеримент слід розуміти як підтвердження прогресу, а не як доказ того, що гуманоїдні роботи готові замінити значну частину складської праці вже сьогодні.

Тим не менш, мінімальний розрив у змаганні „Людина проти машини“ разом із тижневим автономним пробігом сигналізує про те, як швидко гуманоїдна робототехніка наближається до реальної промислової роботи.

Стажерка могла виграти цей раунд, але розрив між людиною та гуманоїдним роботом у логістичних завданнях тепер вимірюється секундами на пакунок, а не порядками величин.

Цей тест, який транслювався в прямому ефірі, разом із паралельним змаганням між роботом і людиною-стажером, став одним із найпоказовіших реальних бенчмарків для гуманоїдних роботів у логістиці.

200-годинний автономний складський марафон

Тест розпочався як коротка демонстрація, але переріс у багатоденний експеримент на витривалість.

Ключові результати:

• Тривалість: близько 200 годин безперервної автономної роботи
• Продуктивність: приблизно 249 000–250 000 відсортованих пакунків
• Надійність: нуль апаратних збоїв за весь час тесту

В одному зі звітів згадується точна цифра в 249 558 пакунків, в іншому — 249 560, що підтверджує загальнопоширену оцінку „майже 250 000“.

Однак слід зазначити, що не всі джерела одностайні: одне з них наводить цифру в 149 000+ пакунків, що вказує на певну невизначеність у точних підрахунках під час прямої трансляції.

Навіть з огляду на цю розбіжність, демонстрація показала, що роботи здатні працювати більше тижня безперервно, виконуючи складську роботу без телекерування або механічних поломок. Це важливий крок до реального впровадження.

Наскільки швидко працювали роботи?

Основним показником тесту була продуктивність (throughput).

Раніше Figure AI повідомляла, що її логістична система досягла „людського паритету“ за швидкістю, обробляючи пакунки за менш ніж три секунди на одиницю — приблизно такий самий темп, як у складських працівників протягом зміни.

Типовий робочий процес сортування включає кілька етапів:

• візуальне розпізнавання пакунка
• його орієнтація для сканування штрих-коду
• сканування або перевірка етикетки
• розміщення предмета на правильному конвеєрі

Підтримка темпу в близько 3 секунд на пакунок для сотень тисяч одиниць свідчить про те, що роботи можуть підтримувати продуктивність, необхідну для реального виробництва, а не лише короткочасні спурти.

«Мозок» роботів: нейромережа Helix-02

Продуктивність роботів F.03 значною мірою залежить від власної AI-системи Figure — Helix-02.

Helix-02 описується як модель „зір-мова-дія“ (vision-language-action, VLA) — нейронна система, яка об'єднує сприйняття, логіку та моторний контроль в єдину архітектуру. Замість окремих модулів, одна навчена політика інтерпретує зображення з камер і генерує всі дії тіла робота.

Ця архітектура дозволяє роботу:

• сприймати об'єкти за допомогою камер і сенсорів
• інтерпретувати завдання або інструкції
• планувати та виконувати рухи руками, кистями та всім тілом

Система фактично перетворює „пікселі на дії“, дозволяючи роботу маніпулювати незнайомими пакунками та адаптуватися до мінливих умов реального середовища.

Для логістичних завдань, як-от сортування пакунків, це означає здатність розпізнавати різні форми (коробки, конверти, поліетиленові пакети) та адаптувати спосіб захоплення або перегортання для коректного сканування етикеток.

Змагання «Людина проти машини»

Щоб порівняти продуктивність роботів з людською, Figure організувала 10-годинне змагання віч-на-віч між одним роботом F.03 та стажеркою компанії на ім'я Айм (Aime).

Обидва отримали однакове завдання: відсканувати кожен пакунок і правильно розмістити його на конвеєрній стрічці.

Фінальні результати були надзвичайно близькими:

• Людина-стажер: 12 924 пакунки (≈ 2,79 секунди на пакунок)
• Робот F.03: 12 732 пакунки (≈ 2,83 секунди на пакунок)

Людина перемогла лише на 192 пакунки, що становить розрив приблизно в 1,3% за всю зміну.

Іншими словами, робот працював майже з тією ж швидкістю, але цього виявилося недостатньо, щоб випередити людину в цій одній зміні.

Чому цей тест важливий для автоматизації складів?

Гуманоїдні роботи існують роками, але більшість демонстрацій історично тривали хвилини або години, а не дні.

Експеримент Figure висвітлює три зміни, які можуть мати значення для автоматизації логістики:

1. Витривалість
Здатність працювати безперервно протягом 200 годин демонструє, що апаратне забезпечення та системи керування можуть витримувати тривалі робочі періоди, що є критично важливим для реальних складів.

2. Продуктивність на рівні людини
Сортування пакунків приблизно за три секунди кожен наближає роботів до продуктивності людини на повторюваних завданнях.

3. Автономна робота
Роботи працювали без телекерування, тобто AI-система безпосередньо керувала сприйняттям і маніпуляціями на самому роботі.

Разом ці фактори свідчать про те, що гуманоїдні роботи можуть переходити від коротких демонстрацій до комерційно значущих складських завдань.

Важливе застереження

Незважаючи на вражаючі цифри, докази все ще надходять переважно з власних демонстрацій і прямих трансляцій Figure AI, а не з незалежних масштабних впроваджень.

Таким чином, цей експеримент слід розуміти як підтвердження прогресу, а не як доказ того, що гуманоїдні роботи готові замінити значну частину складської праці вже сьогодні.

Тим не менш, мінімальний розрив у змаганні „Людина проти машини“ разом із тижневим автономним пробігом сигналізує про те, як швидко гуманоїдна робототехніка наближається до реальної промислової роботи.

Стажерка могла виграти цей раунд, але розрив між людиною та гуманоїдним роботом у логістичних завданнях тепер вимірюється секундами на пакунок, а не порядками величин.