Helix 2.5 đạt 56% ở 30 ngôi nhà lạ: Robot Figure thực sự đã chứng minh điều gì?

Con số 56% mà Figure công bố cho Helix 2.5 là một tín hiệu đáng chú ý về khả năng khái quát hóa của robot: robot hình người Figure 03 có thể thực hiện việc nhà tại những căn nhà mà hệ thống chưa từng gặp. Tuy nhiên, dưới cách chấm điểm nghiêm ngặt của bài thử, điều đó cũng đồng nghĩa 44% lượt thử chưa hoàn thành trọn vẹn nhiệm vụ. 114

Figure đã thử nghiệm những gì?

Figure cho biết họ huấn luyện trước Helix 2.5 bằng Index, bộ dữ liệu hành vi con người quy mô lớn của công ty. Từ mô hình nền tảng này, hãng xây dựng ba hành vi cho robot:

• dọn dẹp phòng khách;
• gấp khăn;
• trải giường.

Sau đó, Figure đưa robot tới 30 ngôi nhà chưa từng xuất hiện trong dữ liệu ở khu vực Bay Area, California. Theo công ty, không có dữ liệu nào được thu thập tại các nhà dùng để đánh giá; không có tinh chỉnh theo địa điểm, theo vật thể hay bước thích nghi tại chỗ. Một checkpoint cố định được dùng xuyên suốt cho mọi ngôi nhà. 11

Trong trường hợp này, “zero-shot” nên được hiểu đúng: robot không được huấn luyện riêng cho những căn nhà đó, cũng như những món đồ chơi, khăn và chăn ga cụ thể mà nó phải xử lý. Điều này không có nghĩa ba nhóm việc nhà nói trên được học mà không cần dữ liệu tác vụ; Figure nói họ đã điều chỉnh mô hình nền tảng để tạo ra ba hành vi này. 11

56% so với 9%: con số nói lên điều gì?

Trong so sánh có kiểm soát của Figure, việc huấn luyện trước bằng Index nâng tỷ lệ thành công zero-shot cho toàn bộ tác vụ từ 9% ở một mô hình tương đương được huấn luyện từ đầu lên 56%. 411

Tiêu chí chấm điểm là “được ăn cả, ngã về không”, không tính điểm cho việc làm dở dang:

• Dọn phòng khách chỉ thành công khi mọi món đồ chơi bị rải đều được đưa vào giỏ.
• Gấp khăn yêu cầu khăn được gấp và đặt đúng vị trí.
• Trải giường yêu cầu gối và chăn được đặt đúng chỗ, đồng thời được vuốt phẳng. 4

Cách đo này khiến mức 56% có ý nghĩa hơn một chỉ số hoàn thành một phần. Nhưng giới hạn cũng rất rõ: robot vẫn thất bại ở 44% lượt thử hoàn chỉnh. Đây là bằng chứng rằng huấn luyện trước quy mô lớn có thể cải thiện khả năng chuyển giao sang môi trường lạ, chứ chưa phải bằng chứng robot hình người đã có thể làm việc nhà độc lập và đáng tin cậy. 4

Vì sao Figure cho rằng mô hình này có thể mở rộng?

Luận điểm lớn hơn của Figure là robot có thể đi theo hướng mô hình nền tảng: huấn luyện trước từ một lượng lớn ví dụ đa dạng về hành vi vật lý của con người, sau đó dùng lượng dữ liệu robot ít hơn để xác định một hành vi, rồi triển khai tại không gian mới mà không phải thu thập lại dữ liệu robot cho từng căn phòng. 11

Công ty cũng báo cáo một quan hệ mở rộng, trong đó sai số dự đoán hành động của robot giảm một cách có thể dự báo khi dữ liệu huấn luyện trước Index tăng lên trong phạm vi gấp tám lần. Figure cho biết Index khi đó tạo ra khoảng 35 phút dữ liệu trải nghiệm con người mỗi giây. 3

Một đại diện của Figure cho biết riêng số người đóng góp hoạt động hằng tuần từng ở mức khoảng 90.000 và sau đó vượt 100.000. Đây là số liệu do công ty tự công bố, chưa phải bằng chứng được kiểm toán độc lập. 28

Figure cũng công bố cam kết đầu tư ban đầu 3,5 tỷ USD cho năng lực tính toán thông qua hợp tác với Nscale, hướng đến tối đa 100.000 GPU Nvidia Vera Rubin, với kế hoạch bắt đầu triển khai từ nửa cuối năm 2027. 3

Vì sao bài thử này chưa giải quyết xong bài toán robot làm việc nhà?

Kết quả được Figure công bố và tự đánh giá, không phải một chuẩn đánh giá robot gia dụng độc lập, đã qua phản biện khoa học. 11

Theo thông tin được nêu, 30 ngôi nhà thử nghiệm là các nơi cho thuê ngắn hạn, trống người, gọn gàng và đủ ánh sáng. Nhà ở thực tế thường có người, thú cưng, đồ đạc bừa bộn, ánh sáng thay đổi, các vật thể bất thường, sự gián đoạn và yêu cầu an toàn — tất cả đều có thể khiến việc di chuyển và thao tác của robot khó hơn đáng kể. 4

Vì vậy, cách diễn giải hợp lý không phải là “robot nay đã làm được việc nhà”. Figure đã đưa ra một minh chứng có kiểm soát rằng dữ liệu hành vi con người ở quy mô lớn có thể giảm nhu cầu thu thập các màn trình diễn robot tại từng ngôi nhà mới. Còn việc phương pháp này có đạt độ tin cậy và an toàn cần thiết để hoạt động trong các gia đình đang sinh sống hay không vẫn là câu hỏi chưa có lời giải. 114