Figure ने Helix 2.5 को प्रस्तुत किया, 30 अनदेखे घरों में शून्य-शॉट परीक्षण किया

Figure ने 17 सितंबर, 2026 को Helix 2.5 को प्रस्तुत किया, जो कंपनी के Index डेटा सेट पर प्रशिक्षित एक मानवीय रोबोट न्यूरल नेटवर्क है और इसे 30 बे एरिया घरों में बिना किसी डेटा संग्रह के मूल्यांकन किया गया। Figure ने रिपोर्ट किया कि Index प्री‑ट्रेनिंग ने शून्य‑शॉट सफलता को 9% से 56% तक बढ़ा दिया, जो कि शून्य से शुरू किए गए समान नीति के नियंत्रण तुलना में था।

Figure ने Helix 2.5 को अब तक निर्मित सबसे उन्नत न्यूरल नेटवर्क बताया। एकल Index‑प्री‑ट्रेन्ड फाउंडेशन मॉडल से, कंपनी ने तीन पूर्ण‑शरीर व्यवहार विकसित किए: रहने वाले कमरों को व्यवस्थित करना, तौलिए मोड़ना, और बिस्तर बनाना। पहले के Helix 02 सिस्टम ने दीर्घकालिक पूर्ण‑शरीर नियंत्रण का समन्वय किया, जिसमें डिशवॉशर को अनलोड करना और 200 घंटे तक स्वायत्त रूप से लॉजिस्टिक्स कार्य चलाना शामिल था, लेकिन यह उन स्थानों में एकत्रित डेटा से सीखता था जहाँ रोबोट कार्य करेंगे।

मूल्यांकन डिजाइन और ग्रेडिंग रूब्रिक

Figure शून्य‑शॉट को उन मूल्यांकन पर्यावरणों और हेरफेर किए जा रहे वस्तुओं के रूप में परिभाषित करता है; प्रत्येक व्यवहार को अन्यत्र एकत्रित फाइन‑ट्यूनिंग डेटा के माध्यम से निर्दिष्ट किया गया था। कोई मूल्यांकन खिलौना, तौलिया या बिस्तर सामग्री कार्य‑निर्देशन डेटा में नहीं दिखाई दी, और रोबोट ने प्रत्येक घर की मौजूदा सोफ़े, बिस्तर और मोड़ने की सतहों का उपयोग किया। मूल्यांकन वस्तुओं को प्रयोग शुरू होने से पहले अलग रखा गया, और एक AI मॉडल के बाद मानव समीक्षा ने पुष्टि की कि वे कार्य‑निर्देशन डेटा में नहीं थीं।

प्रत्येक कार्य ने सभी 30 घरों में एकल स्थिर चेकपॉइंट का उपयोग किया। मूल्यांकन घरों या वस्तुओं के लिए कोई वज़न अनुकूलित नहीं किया गया, और चेकपॉइंट चयन के लिए कोई मूल्यांकन रोलआउट डेटा या प्रदर्शन उपयोग नहीं किया गया। सफलता के लिए पूरे कार्य को बिना आंशिक अंक के पूरा करना आवश्यक था। प्रत्येक परीक्षण एक विशिष्ट प्रारंभिक विन्यास से शुरू हुआ, सभी मूल्यांकित नीतियों पर रीसेट शर्तें समान रूप से लागू की गईं, और सुरक्षा के लिए कोई भी मानव हस्तक्षेप रोलआउट को रोककर उसे विफल के रूप में चिह्नित कर देता था।

ग्रेडर उन मानदंडों के आधार पर कार्य करते थे जो मूल्यांकन शुरू होने से पहले निश्चित किए गए थे। लिविंग रूम टाइडि के लिए दृश्य में बिखरे 13–15 खिलौनों को उठाकर टोकरी में रखना आवश्यक था, और प्रत्येक खिलौने के लिए एक मिनट की टाइमआउट थी, जिसके बाद रोलआउट रद्द कर दिया जाता था। तौलिया मोड़ने के लिए प्रत्येक तौलिया को उठाना, मोड़ना और टोकरी में रखना आवश्यक था, और मोड़ की गुणवत्ता को कोनों की संरेखण पर ग्रेड किया गया — शीर्ष ग्रेड के लिए सभी चार कोनों को लगभग एक इंच के भीतर स्पर्श करना आवश्यक था — तथा प्रत्येक तौलिया के लिए तीन मिनट की टाइमआउट थी। बिस्तर बनाने के लिए दोनों तकिए और दोनों कंबल के कोनों को बिस्तर के ऊपरी तिहाई तक पहुंचाना आवश्यक था, कंबल को स्मूद रूप से खींचा जाना चाहिए, और तकियों को उनकी अभिविन्यास पर भी ग्रेड किया गया, साथ ही प्रत्येक तकिए और प्रत्येक कंबल पक्ष के लिए एक मिनट की टाइमआउट लागू की गई।

Index प्री‑ट्रेनिंग के प्रभाव को अलग करना

यह मापने के लिए कि परिणाम में कितना हिस्सा Index से आया है न कि स्वयं कार्य‑निर्देशन डेटा से, Figure ने समान कार्य‑निर्देशन डेटा पर दो नीतियों को प्रशिक्षित किया, एक को यादृच्छिक वज़न से प्रारंभ किया गया और दूसरी को Index‑प्री‑ट्रेन्ड Helix 2.5 मॉडल से प्रारंभ किया गया। आर्किटेक्चर, अनुकूलन, हाइपरपैरामीटर, डाउनस्ट्रीम डेटा और मूल्यांकन को स्थिर रखा गया, जिससे Index प्री‑ट्रेनिंग एकमात्र प्रयोगात्मक चर बन गया। Helix 2.5 स्वयं को पूरी तरह से Index पर यादृच्छिक प्रारंभ से प्री‑ट्रेन किया गया, जबकि Helix 02 एक प्री‑ट्रेन्ड विज़न‑भाषा मॉडल से शुरू हुआ था।

अंधे मूल्यांकनों में, शून्य‑शॉट परीक्षणों में से केवल 9% पर स्क्रैच से प्रशिक्षित नीति सफल रही, जबकि Index‑प्री‑ट्रेन्ड नीति ने 56% पर सफलता पाई, जिसका अंतर Figure ने छह गुना से अधिक बताया। क्योंकि प्री‑ट्रेनिंग ही एकमात्र चर था, कंपनी कहती है कि यह अंतर सीधे उसके योगदान को मापता है। Figure ने रिपोर्ट किया कि कोई भी एकल मूल्यांकन कार्य Index प्री‑ट्रेनिंग डेटासेट का 1.90% से अधिक नहीं दर्शाता, और कहा कि उनकी जानकारी के अनुसार यह काम मानवीय रोबोट पर इस पैमाने पर शून्य‑शॉट पूर्ण‑शरीर सामान्यीकरण का पहला प्रदर्शन है।

डेटा दक्षता और एक स्थानांतरण स्केलिंग नियम

Figure ने Helix 2.5 की तुलना एक पूर्व Helix 02 नीति से भी की, जो समान कार्य को करने के लिए सीधे उस पर्यावरण में एकत्रित डेटा से प्रशिक्षित थी जहाँ इसे मूल्यांकित किया गया था। कंपनी ने बताया कि Helix 2.5 ने उस नीति की सफलता दर को मिलाते हुए केवल आधा अनुकूलन डेटा उपयोग किया, और यह 30 अनदेखे घरों में शून्य‑शॉट किया। Figure ने अतिरिक्त रूप से पूर्ण‑शरीर आत्म‑सुधार में गुणात्मक सुधार का वर्णन किया, जैसे पुनःस्थिति के लिए पीछे कदम रखना, स्थिती बदलना, या मोड़ को सुधारने के लिए पूरे बिस्तर के चारों ओर चलना, और इसे Index प्री‑ट्रेनिंग का एक महत्वपूर्ण प्रभाव बताया।

अलग से, कंपनी ने Index के नेस्टेड उपसमुच्चयों पर चार मॉडल प्रशिक्षित किए, जो प्री‑ट्रेनिंग डेटा में 8 गुना वृद्धि को कवर करते थे, मॉडल आकार और डाउनस्ट्रीम प्रशिक्षण को स्थिर रखते हुए, और रिपोर्ट किया कि रखी गई एक्शन‑प्रेडिक्शन हानि प्रत्येक द्विगुनी Index डेटा के साथ पूर्वानुमानित रूप से घटती गई। Figure ने कहा कि उसने केवल छोटे रन का उपयोग करके सबसे बड़े रन की परीक्षण हानि को चार दशमलव स्थान तक पूर्वानुमानित किया, प्रशिक्षण शुरू होने से पहले, जिसमें पूर्वानुमान त्रुटि पूरी 8x डेटा रेंज में परिवर्तन का 0.54% थी। कंपनी ने इस परिणाम का वर्णन किया, अपनी जानकारी के अनुसार, मानवीय‑से‑रोबोट स्थानांतरण स्केलिंग नियम के रूप में, जो केवल डेटा स्केलिंग को मापता है।

Helix 2.5 के पीछे का Index डेटासेट

Figure ने 25 अगस्त, 2026 को Index प्रस्तुत किया, स्टीथ मोड से बाहर निकलते हुए और चार महीने पहले लॉन्च किए गए डेटा-कलैक्शन ऐप का रीब्रांडिंग किया, और इसे अब तक निर्मित सबसे विविध रोबोट प्रशिक्षण डेटासेट बताया। उस घोषणा में, Figure ने 108 देशों में 264,000 ऐप डाउनलोड, 44,000 से अधिक साप्ताहिक सक्रिय उपयोगकर्ता, डेटा एकत्र करने वाले क्रिएटर्स द्वारा अपलोड किए गए 16 मिलियन से अधिक वीडियो, उन क्रिएटर्स को $15 मिलियन का भुगतान, और हर सेकंड 30 मिनट वीडियो अपलोड प्रोसेसिंग की रिपोर्ट की। कंपनी के अनुसार, प्रत्येक 1,000 एकत्रित घंटे में Index में 373 अनूठे कार्य, 1,146 अनूठी हेर-फेर की गई वस्तुएँ, और 116 अनूठे पर्यावरण शामिल थे, जिन्हें फ़िल्टरिंग, धोखाधड़ी समीक्षा, डेडुप्लिकेशन, रीबैलेंसिंग और एनोटेशन की पाँच‑स्तरीय पाइपलाइन के माध्यम से प्रोसेस किया गया।

Helix 2.5 की घोषणा में कहा गया है कि Index अब हर सेकंड लगभग 35 मिनट नया मानव अनुभव उत्पन्न कर रहा है, और Figure ने Helix के प्रशिक्षण के लिए $3.5 बिलियन कंप्यूट संसाधन प्रतिबद्ध किए हैं। कंपनी ने घोषणा का समापन यह कहकर किया कि वह सामान्य शारीरिक बुद्धिमत्ता पर काम करने के लिए भर्ती कर रही है।