Robotik und physische KI
Figure führt Helix 2.5 ein, Zero‑Shot in 30 unbekannten Häusern getestet
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Figure führte Helix 2.5 ein am 17. September 2026, ein humanoides neuronales Netzwerk, das mit dem Index‑Datensatz des Unternehmens zu menschlichem Verhalten vortrainiert wurde und in 30 Bay‑Area‑Häusern evaluiert wurde, ohne dass in irgendeinem davon Daten gesammelt wurden. Figure berichtete, dass das Index‑Vortraining die Zero‑Shot‑Erfolgsrate von 9 % auf 56 % in einem kontrollierten Vergleich zu einer ansonsten identischen, von Grund auf neu trainierten Policy erhöhte.
Figure beschrieb Helix 2.5 als das fortschrittlichste neuronale Netzwerk, das es gebaut hat. Aus dem einzigen, mit Index vortrainierten Grundmodell hat das Unternehmen drei Ganzkörper‑Verhaltensweisen erzeugt: Wohnzimmer aufräumen, Handtücher falten und Betten machen. Das frühere Helix‑02‑System koordinierte die Ganzkörper‑Steuerung über lange Zeiträume, einschließlich dem Entladen einer Geschirrspülmaschine und dem autonomen Durchführen einer Logistikaufgabe für 200 Stunden, lernte jedoch aus Daten, die an den Orten gesammelt wurden, an denen die Roboter eingesetzt werden sollten.
Evaluierungsdesign und Bewertungsrubriken
Figure definiert Zero‑Shot als die Bezugnahme auf die Evaluierungsumgebungen und die zu manipulierenden Objekte; jedes Verhalten wurde über Feinabstimmungsdaten, die an anderer Stelle gesammelt wurden, spezifiziert. Kein Evaluierungs‑Spielzeug, Handtuch oder Bettzeug erschien in den Aufgabendaten, und der Roboter nutzte die vorhandenen Sofas, Betten und Faltflächen jedes Hauses. Evaluierungsobjekte wurden vor Beginn der Experimente beiseitegelegt, und ein KI‑Modell, gefolgt von einer menschlichen Prüfung, bestätigte, dass sie nicht in den Aufgabendaten vorkamen.
Jede Aufgabe nutzte einen einzigen festen Checkpoint in allen 30 Häusern. Es wurden keine Gewichte an die Evaluierungshäuser oder -objekte angepasst, und keine Evaluierungs‑Rollout‑Daten oder -Leistungen wurden für die Auswahl des Checkpoints verwendet. Erfolg erforderte die vollständige Durchführung der Aufgabe ohne Teilpunkte. Jeder Durchlauf begann mit einer einzigartigen Anfangskonfiguration, wobei Rücksetzbedingungen identisch auf alle bewerteten Policies angewendet wurden; jede menschliche Intervention aus Sicherheitsgründen brach den Rollout ab und wurde als Fehlschlag markiert.
Die Bewerter arbeiteten nach Kriterien, die vor Beginn der Evaluation festgelegt wurden. Beim Aufräumen des Wohnzimmers musste jedes der 13–15 im Raum verstreuten Spielzeuge aufgehoben und in einen Korb gelegt werden, wobei pro Spielzeug ein Zeitlimit von einer Minute galt, bevor der Rollout abgebrochen wurde. Beim Handtuchfalten musste jedes Handtuch aufgehoben, gefaltet und in den Korb gelegt werden; die Faltqualität wurde anhand der Eckenausrichtung bewertet – die Höchstnote verlangte, dass alle vier Ecken innerhalb von einem Zoll nahezu berührten – und pro Handtuch ein Zeitlimit von drei Minuten bestand. Beim Bettenmachen mussten beide Kissen und beide Deckenecken das obere Drittel des Bettes erreichen, wobei die Decke glatt gezogen werden musste; die Kissen wurden zudem nach Ausrichtung bewertet, und pro Kissen sowie pro Deckenseite ein Zeitlimit von einer Minute galt.
Isolierung des Effekts des Index‑Vortrainings
Um zu messen, wie viel des Ergebnisses von Index und nicht von den Aufgabendaten selbst stammt, trainierte Figure zwei Policies auf identischen Aufgabendaten, eine mit zufälligen Gewichten initialisiert und die andere aus dem mit Index vortrainierten Helix‑2.5‑Modell. Architektur, Optimierung, Hyperparameter, nachgelagerte Daten und Evaluation wurden konstant gehalten, sodass das Index‑Vortraining die einzige experimentelle Variable blieb. Helix 2.5 selbst wurde vollständig von einer zufälligen Initialisierung aus ausschließlich auf Index vortrainiert, im Gegensatz zu Helix 02, das von einem vortrainierten Vision‑Language‑Modell aus startete.
In blinden Evaluierungen erzielte die von Grund auf neu trainierte Policy bei 9 % der Zero‑Shot‑Durchläufe Erfolg, während die mit Index vortrainierte Policy bei 56 % erfolgreich war – ein Unterschied, den Figure als mehr als sechsmal höher beschreibt. Da das Vortraining die einzige Variable war, sagt das Unternehmen, dass die Lücke direkt seinen Beitrag misst. Figure berichtete, dass keine einzelne Evaluierungsaufgabe mehr als 1,90 % des Index‑Vortrainingsdatensatzes ausmacht, und erklärte, dass nach aktuellem Kenntnisstand diese Arbeit die erste Demonstration von Zero‑Shot‑Ganzkörper‑Generalisierung in diesem Umfang bei einem Humanoiden ist.
Dateneffizienz und ein Transfer‑Skalierungsgesetz
Figure verglich Helix 2.5 außerdem mit einer früheren Helix‑02‑Policy, die dieselbe Aufgabe mithilfe von Daten aus der Umgebung, in der sie evaluiert wurde, trainierte. Das Unternehmen berichtete, dass Helix 2.5 die Erfolgsrate jener Policy erreichte, dabei jedoch nur die Hälfte der Anpassungsdaten nutzte, und dies Zero‑Shot in 30 unbekannten Häusern gelang. Figure beschrieb zudem eine qualitative Verbesserung der Ganzkörper‑Selbstkorrektur, etwa das Zurücktreten zum Neupositionieren, das Ändern der Haltung oder das Umgehen eines kompletten Bettes, um eine Falte zu korrigieren, und bezeichnete dies als wichtige Auswirkung des Index‑Vortrainings.
Separat trainierte das Unternehmen vier Modelle auf verschachtelten Teilmengen von Index, die eine 8‑fach steigende Menge an Vortrainingsdaten umfassten, wobei Modellgröße und nachgelagerte Ausbildung konstant blieben, und berichtete, dass der gehaltene Aktionsvorhersage‑Verlust sich mit jeder Verdopplung der Index‑Daten vorhersehbar verringerte. Figure sagte, es habe nur die kleineren Durchläufe verwendet, um den Testverlust des größten Durchlaufs auf vier Dezimalstellen genau vorherzusagen, bevor das Training begann, wobei der Prognosefehler 0,54 % der Variation über den gesamten 8‑fachen Datenbereich betrug. Das Unternehmen beschrieb das Ergebnis als, nach aktuellem Kenntnisstand, das erste mensch‑zu‑Roboter‑Transfer‑Skalierungsgesetz, das an einem Humanoiden gemessen wurde, und wies darauf hin, dass es ausschließlich die Daten‑Skalierung misst.
Der Index‑Datensatz hinter Helix 2.5
Figure führte Index ein am 25. August 2026, verließ die Tarnphase und benannte eine Daten‑Erfassungs‑App, die es vier Monate zuvor gestartet hatte, um, und bezeichnete sie als den vielfältigsten Robotik‑Trainingsdatensatz, der je erstellt wurde. In dieser Ankündigung berichtete Figure von 264.000 App‑Downloads in 108 Ländern, mehr als 44.000 wöchentlich aktiven Nutzern, über 16 Millionen hochgeladenen Videos von den Creators, die die Daten sammeln, 15 Millionen $ Ausschüttungen an diese Creators und 30 Minuten an Video‑Uploads, die jede Sekunde verarbeitet werden. Pro 1.000 gesammelte Stunden sagte das Unternehmen, enthielte Index 373 einzigartige Aufgaben, 1.146 einzigartige manipulierte Objekte und 116 einzigartige Umgebungen, verarbeitet durch eine fünfstufige Pipeline aus Filterung, Betrugsprüfung, Duplikatentfernung, Neuausbalancierung und Annotation.
Die Helix 2.5‑Ankündigung besagt, dass Index jetzt etwa 35 Minuten neuer menschlicher Erfahrung pro Sekunde erzeugt und dass Figure 3,5 Milliarden $ an Rechenleistung für das Training von Helix bereitgestellt hat. Das Unternehmen schloss die Ankündigung mit dem Hinweis, dass es für Arbeiten im Bereich allgemeiner physischer Intelligenz neue Mitarbeitende einstellt.
