Figure تُقدِّم Helix 2.5، تم اختبارها بصفر‑شوت في 30 منزل غير مُشاهد

Figure قدمت Helix 2.5 في 17 سبتمبر 2026، شبكة عصبية إنسان آلي مُسبقة التدريب على مجموعة بيانات Index الخاصة بالشركة، وتم تقييمها في 30 منزلًا في منطقة الخليج بدون جمع أي بيانات فيها. أفادت Figure أن التدريب المسبق على Index رفع نجاح الصفر‑شوت من 9٪ إلى 56٪ في مقارنة مُتحكم فيها ضد سياسة متماثلة تم تدريبها من الصفر.

وصفت Figure Helix 2.5 بأنها أكثر شبكة عصبية تقدماً قامت ببنائها. من نموذج الأساس الوحيد المدرب مسبقاً على Index، أنتجت الشركة ثلاث سلوكيات جسدية كاملة: ترتيب غرف المعيشة، طي المناشف، وإعداد الأسرة. نظام Helix 02 السابق كان ينسق التحكم الجسدي الكامل على أمد طويل، بما في ذلك تفريغ غسالة الصحون وتنفيذ مهمة لوجستية بشكل ذاتي لمدة 200 ساعة، لكنه تعلم من البيانات المجمعة في الأماكن التي ستعمل فيها الروبوتات.

تصميم التقييم ومعايير الدرجات

تعرّف Figure الصفر‑شوت بأنه يشير إلى بيئات التقييم والأشياء التي يتم التعامل معها؛ تم تحديد كل سلوك من خلال بيانات الضبط الدقيق التي جُمعت في أماكن أخرى. لم يظهر أي لعبة تقييم أو منشفة أو مفروشات في بيانات تحديد المهمة، واستخدم الروبوت الأريكة، الأسرة، وأسطح الطي الموجودة في كل منزل. تم وضع كائنات التقييم جانباً قبل بدء التجارب، وتأكد نموذج الذكاء الاصطناعي يليه مراجعة بشرية من عدم ظهورها في بيانات تحديد المهمة.

استخدم كل مهمة نقطة تفتيش ثابتة واحدة عبر جميع الـ30 منزلًا. لم تُعدّل أي أوزان لتتناسب مع منازل التقييم أو الكائنات، ولم تُستَخدم بيانات أو أداء تنفيذ التقييم لاختيار نقطة التفتيش. اشتُرط النجاح على إكمال المهمة بالكامل دون أي نقاط جزئية. بدأت كل تجربة من تكوين أولي فريد، مع تطبيق ظروف إعادة الضبط بشكل متماثل على جميع السياسات المُقَيَّمة، وأي تدخل بشري للسلامة كان يوقف التنفيذ ويُصنّفه فاشلاً.

عمل المقيمون وفق معايير ثابتة قبل بدء التقييم. طلب ترتيب غرفة المعيشة جمع جميع الألعاب (من 13 إلى 15 لعبة) المتناثرة في المشهد ووضعها في سلة، مع مهلة دقيقة واحدة لكل لعبة قبل إيقاف التنفيذ. طلب طي المناشف جمع كل منشفة، طيها، ووضعها في السلة، مع تقييم جودة الطي بناءً على محاذاة الزوايا — الدرجة العليا تتطلب أن تقترب الزوايا الأربعة من بعضها البعض بمقدار بوصة واحدة تقريبًا — ووقت مهلة ثلاث دقائق لكل منشفة. طلب إعداد السرير وضع الوسادتين وزوايا اللحاف الاثنين في الثلث العلوي من السرير مع شدّ اللحاف بسلاسة، كما تُقيَّم الوسائد وفق توجيهها، وتُطبق مهلة دقيقة واحدة على كل وسادة وكل جانب من جوانب اللحاف.

عزل تأثير التدريب المسبق على Index

لقياس مقدار ما جاء من Index بدلاً من بيانات تحديد المهمة نفسها، قامت Figure بتدريب سياستين على بيانات تحديد مهمة متطابقة، إحداهما بوزن عشوائي والأخرى مبدأة من نموذج Helix 2.5 المدرب مسبقاً على Index. تم تثبيت الهندسة، والتحسين، ومعاملات الضبط، والبيانات اللاحقة، والتقييم، مما جعل التدريب المسبق على Index المتغيّر التجريبي الوحيد. تم تدريب Helix 2.5 نفسها من الصفر بالكامل على Index، على عكس Helix 02 التي بدأت من نموذج رؤية‑لغة مدرب مسبقاً.

في التقييمات العمياء، نجحت السياسة المدربة من الصفر في 9٪ من تجارب الصفر‑شوت، بينما نجحت السياسة المدربة مسبقاً على Index في 56٪، وهو فرق تصفه Figure بأنه أكثر من ستة أضعاف. وبما أن التدريب المسبق كان المتغيّر الوحيد، تقول الشركة إن الفارق يقيس إسهامها مباشرة. أفادت Figure أن أي مهمة تقييم واحدة لا تمثل أكثر من 1.90٪ من مجموعة بيانات التدريب المسبق على Index، وأشارت إلى أن هذا العمل، بحسب علمها، هو أول عرض لتعميم كامل الجسد بصفر‑شوت بهذا النطاق على إنسان آلي.

كفاءة البيانات وقانون مقياس النقل

قامت Figure أيضاً بمقارنة Helix 2.5 بسياسة Helix 02 السابقة التي تم تدريبها لأداء نفس المهمة باستخدام بيانات جُمعت مباشرة في البيئة التي تم تقييمها فيها. أفادت الشركة أن Helix 2.5 حققت معدل نجاح مماثل لتلك السياسة بينما استخدمت نصف كمية بيانات التكييف، وفعلت ذلك بصفر‑شوت عبر 30 منزلًا غير مُشاهد. كما وصفت Figure تحسناً نوعياً في التصحيح الذاتي للجسم الكامل، مثل التراجع لإعادة الوضع، تغيير الوقفة، أو التحرك حول سرير كامل لتصحيح طية، معتبرةً ذلك تأثيراً مهماً للتدريب المسبق على Index.

على نحو منفصل، دربت الشركة أربعة نماذج على مجموعات فرعية متداخلة من Index تغطي زيادة بمقدار 8 أضعاف في بيانات التدريب المسبق، مع تثبيت حجم النموذج والتدريب اللاحق، وأفادت أن خسارة توقع الفعل المحجوزة انخفضت بصورة متوقعة مع كل تضاعف لبيانات Index. صرحت Figure أنها استخدمت فقط التجارب الصغيرة لتوقع خسارة الاختبار للتجربة الأكبر إلى أربع منازل عشرية قبل بدء التدريب، مع خطأ توقع يساوي 0.54٪ من التباين عبر نطاق البيانات الكامل بزيادة 8 أضعاف. وصفت الشركة النتيجة، بحسب علمها، بأنها أول قانون مقياس نقل من الإنسان إلى الروبوت تم قياسه على إنسان آلي، مع الإشارة إلى أنه يقيس مقياس البيانات فقط.

مجموعة بيانات Index وراء Helix 2.5

Figure قدمت Index في 25 أغسطس 2026، خرجت من مرحلة التخفي وأعادت تسمية تطبيق جمع البيانات الذي أطلقته قبل أربعة أشهر، ووصفته بأنه أكثر مجموعة بيانات لتدريب الروبوتات تنوعًا تم إنشاؤها على الإطلاق. في ذلك الإعلان، أفادت Figure أن عدد تنزيلات التطبيق وصل إلى 264,000 عبر 108 دول، وأكثر من 44,000 مستخدم نشط أسبوعيًا، وأكثر من 16 مليون فيديو تم تحميله من قبل المبدعين الذين يجمعون البيانات، وتم دفع 15 مليون دولار لهؤلاء المبدعين، و30 دقيقة من تحميلات الفيديو تُعالج كل ثانية. لكل 1,000 ساعة تم جمعها، قالت الشركة إن Index يحتوي على 373 مهمة فريدة، و1,146 كائنًا مُعالجًا فريدًا، و116 بيئة فريدة، تم معالجتها عبر خط أنابيب من خمس مراحل: الترشيح، مراجعة الاحتيال، إزالة التكرار، إعادة التوازن، والتعليق.

أفاد إعلان Helix 2.5 أن Index يولد الآن نحو 35 دقيقة من التجربة البشرية الجديدة كل ثانية، وأن Figure قد كرست 3.5 مليار دولار من الحوسبة لتدريب Helix. واختتمت الشركة الإعلان بقولها إنها توظف للعمل على الذكاء الفيزيائي العام.