Figure เปิดตัว Helix 2.5, ทดสอบ Zero-Shot ใน 30 บ้านที่ไม่เคยเห็น

Figure เปิดตัว Helix 2.5 เมื่อวันที่ 17 กันยายน 2026, เป็นเครือข่ายประสาทเทียมแบบหุ่นยนต์มนุษย์ที่ได้รับการฝึกล่วงหน้าจากชุดข้อมูล Index ของบริษัทที่บันทึกพฤติกรรมมนุษย์และได้รับการประเมินใน 30 บ้านใน Bay Area โดยไม่มีการเก็บข้อมูลใด ๆ ในบ้านเหล่านั้น Figure รายงานว่าการฝึกล่วงหน้า Index ทำให้อัตราความสำเร็จ Zero-Shot เพิ่มจาก 9% เป็น 56% ในการเปรียบเทียบที่ควบคุมกับนโยบายที่เทียบเท่าซึ่งฝึกจากศูนย์

Figure อธิบายว่า Helix 2.5 เป็นเครือข่ายประสาทเทียมที่ก้าวหน้าที่สุดที่บริษัทได้สร้างขึ้น จากโมเดลพื้นฐานที่ได้รับการฝึกล่วงหน้าโดย Index เพียงหนึ่งโมเดล บริษัทได้ผลิตพฤติกรรมเต็มร่างกายสามแบบ: การจัดระเบียบห้องนั่งเล่น, การพับผ้าเช็ดตัว, และการจัดเตียง ระบบ Helix 02 ก่อนหน้านี้ประสานการควบคุมเต็มร่างกายในช่วงเวลายาว, รวมถึงการถอดจานจากเครื่องล้างจานและการดำเนินงานโลจิสติกส์โดยอัตโนมัติเป็นเวลา 200 ชั่วโมง, แต่เรียนรู้จากข้อมูลที่เก็บรวบรวมในสถานที่ที่หุ่นยนต์จะทำงาน

การออกแบบการประเมินและเกณฑ์การให้คะแนน

Figure กำหนดว่า Zero-Shot หมายถึงสภาพแวดล้อมการประเมินและวัตถุที่กำลังถูกจัดการ; พฤติกรรมแต่ละอย่างถูกระบุผ่านข้อมูลการปรับแต่งที่เก็บรวบรวมจากที่อื่น ไม่มียานของเล่น, ผ้าเช็ดตัว, หรือเครื่องนอนที่ใช้ในการประเมินปรากฏในข้อมูลการระบุภารกิจ, และหุ่นยนต์ใช้โซฟา, เตียง, และพื้นผิวพับที่มีอยู่ในแต่ละบ้าน วัตถุที่ใช้ในการประเมินถูกแยกออกก่อนเริ่มการทดลอง, และโมเดล AI ที่ตามด้วยการตรวจสอบโดยมนุษย์ยืนยันว่าไม่มีการปรากฏในข้อมูลการระบุภารกิจ

แต่ละงานใช้จุดตรวจสอบคงที่เดียวเดียวกันในทุก 30 บ้าน ไม่ได้ปรับน้ำหนักใด ๆ ให้กับบ้านหรือวัตถุที่ประเมิน, และไม่ได้ใช้ข้อมูลการดำเนินการหรือประสิทธิภาพในการเลือกจุดตรวจสอบ ความสำเร็จต้องทำงานทั้งหมดให้เสร็จโดยไม่มีการให้เครดิตบางส่วน ทุกการทดลองเริ่มจากการกำหนดค่าเริ่มต้นที่ไม่ซ้ำกัน, โดยมีเงื่อนไขการรีเซ็ตที่ใช้กับนโยบายที่ประเมินทั้งหมดอย่างเท่าเทียม, และการแทรกแซงของมนุษย์เพื่อความปลอดภัยจะยกเลิกการดำเนินการและทำเครื่องหมายว่าเป็นความล้มเหลว

ผู้ประเมินทำงานตามเกณฑ์ที่กำหนดไว้ก่อนการประเมินเริ่มต้น การจัดระเบียบห้องนั่งเล่นต้องให้ของเล่นทั้งหมด 13–15 ชิ้นที่กระจายอยู่ในฉากถูกยกขึ้นและวางในตะกร้า, โดยมีเวลา timeout หนึ่งนาทีต่อของเล่นก่อนที่การดำเนินการจะถูกยกเลิก การพับผ้าเช็ดตัวต้องให้ผ้าเช็ดตัวทุกผืนถูกยกขึ้น, พับ, และวางในตะกร้า, โดยคุณภาพการพับจะให้คะแนนตามการจัดตำแหน่งมุม — คะแนนสูงสุดต้องให้มุมสี่มุมเกือบสัมผัสกันภายในหนึ่งนิ้ว — และมีเวลา timeout สามนาทีต่อผ้าเช็ดตัว การจัดเตียงต้องให้หมอนทั้งสองและมุมผ้าห่มทั้งสองถึงระดับบนของเตียงหนึ่งในสามโดยผ้าห่มถูกดึงให้เรียบ, โดยหมอนยังได้รับการให้คะแนนตามทิศทางและมีเวลา timeout หนึ่งนาทีต่อแต่ละหมอนและแต่ละด้านของผ้าห่ม

การแยกผลของการฝึกล่วงหน้า Index

เพื่อวัดว่าผลลัพธ์ส่วนใดมาจาก Index แทนที่จะเป็นข้อมูลการระบุภารกิจเอง, Figure ฝึกนโยบายสองแบบบนข้อมูลการระบุภารกิจที่เหมือนกัน, หนึ่งเริ่มด้วยน้ำหนักสุ่มและอีกหนึ่งเริ่มจากโมเดล Helix 2.5 ที่ได้รับการฝึกล่วงหน้าโดย Index สถาปัตยกรรม, การเพิ่มประสิทธิภาพ, พารามิเตอร์, ข้อมูลต่อเนื่อง, และการประเมินถูกคงที่, ทำให้การฝึกล่วงหน้า Index เป็นตัวแปรทดลองเดียว Helix 2.5 เองได้รับการฝึกล่วงหน้าจากการเริ่มต้นแบบสุ่มโดยใช้ข้อมูลจาก Index ทั้งหมด, แตกต่างจาก Helix 02 ที่เริ่มจากโมเดลวิสัยทัศน์-ภาษาแบบฝึกล่วงหน้า

ในการประเมินแบบลำบาก, นโยบายที่ฝึกจากศูนย์สำเร็จใน 9% ของการทดลอง Zero-Shot, ในขณะที่นโยบายที่ได้รับการฝึกล่วงหน้าโดย Index สำเร็จใน 56%, ช่องว่างนี้ Figure อธิบายว่า มากกว่าหกเท่าตัว เนื่องจากการฝึกล่วงหน้าเป็นตัวแปรเดียว, บริษัทกล่าวว่าช่องว่างนี้วัดการมีส่วนร่วมของมันโดยตรง Figure รายงานว่าไม่มีภารกิจการประเมินใดที่มีสัดส่วนเกิน 1.90% ของชุดข้อมูลการฝึกล่วงหน้า Index, และระบุว่า ตามที่บริษัททราบ งานนี้เป็นการสาธิตครั้งแรกของการทั่วไปแบบ Zero-Shot ทั้งร่างกายในขอบเขตนี้บนหุ่นยนต์มนุษย์

ประสิทธิภาพข้อมูลและกฎการสเกลการถ่ายโอน

Figure ยังเปรียบเทียบ Helix 2.5 กับนโยบาย Helix 02 ก่อนหน้าที่ฝึกเพื่อทำภารกิจเดียวกันโดยใช้ข้อมูลที่เก็บรวบรวมโดยตรงในสภาพแวดล้อมที่ทำการประเมิน บริษัทรายงานว่า Helix 2.5 มีอัตราความสำเร็จเท่ากับนโยบายนั้นในขณะที่ใช้ข้อมูลการปรับตัวเพียงครึ่งหนึ่ง, และทำเช่นนั้นแบบ Zero-Shot ใน 30 บ้านที่ไม่เคยเห็น Figure ยังอธิบายว่ามีการปรับปรุงเชิงคุณภาพในระบบการแก้ไขตัวเองของร่างกายทั้งหมด, เช่น การก้าวถอยหลังเพื่อปรับตำแหน่ง, การเปลี่ยนท่าทาง, หรือการเคลื่อนที่รอบเตียงเต็มเพื่อแก้ไขการพับ, โดยเรียกว่าผลสำคัญของการฝึกล่วงหน้า Index

บริษัทอธิบายผลลัพธ์ว่า, ตามที่บริษัททราบ, เป็นกฎการสเกลการ การถ่ายโอน จากมนุษย์สู่หุ่นยนต์ครั้งแรกที่วัดบนหุ่นยนต์มนุษย์, พร้อมระบุว่ามันวัดการสเกลข้อมูลเท่านั้น

ชุดข้อมูล Index ที่อยู่เบื้องหลัง Helix 2.5

Figure แนะนำ Index เมื่อวันที่ 25 สิงหาคม 2026 โดยออกจากโหมดสเตลท์และเปลี่ยนชื่อแอปเก็บข้อมูลที่เปิดตัวสี่เดือนก่อนหน้า พร้อมอธิบายว่าเป็นชุดข้อมูลการฝึกหุ่นยนต์ที่หลากหลายที่สุดที่เคยสร้างขึ้น ในประกาศนั้น Figure รายงานว่ามีการดาวน์โหลดแอปจำนวน 264,000 ครั้งใน 108 ประเทศ ผู้ใช้ที่ใช้งานอย่างต่อเนื่องรายสัปดาห์มากกว่า 44,000 ราย ผู้สร้างเนื้อหาที่อัปโหลดวิดีโอกว่า 16 ล้านคลิปที่เก็บข้อมูลให้แก่บริษัท จ่ายเงินรางวัลให้ผู้สร้างเนื้อหาเป็นจำนวน $15 ล้าน และประมวลผลวิดีโออัปโหลด 30 นาทีต่อวินาที ต่อ 1,000 ชั่วโมงของข้อมูลที่เก็บ บริษัทระบุว่า Index มีงานที่เป็นเอกลักษณ์ 373 งาน วัตถุที่จัดการได้ 1,146 รายการ และสภาพแวดล้อมที่เป็นเอกลักษณ์ 116 แบบ ผ่านกระบวนการห้าขั้นตอน ได้แก่ การกรอง การตรวจสอบการฉ้อโกง การกำจัดข้อมูลซ้ำ การปรับสมดุลใหม่ และการทำคำอธิบาย

ประกาศ Helix 2.5 ระบุว่า Index ตอนนี้สร้างประสบการณ์มนุษย์ใหม่ประมาณ 35 นาทีต่อวินาที และ Figure ได้สัญญาว่าจะใช้คอมพิวเตอร์ทรัพยากรมูลค่า $3.5 พันล้านดอลลาร์ในการฝึก Helix บริษัทสรุปการประกาศด้วยการบอกว่ากำลังรับสมัครงานเพื่อพัฒนาปัญญาทางกายภาพทั่วไป