Figures robot Helix 2.5 generaliserer oppgaver i 30 ukjente hjem

Figure demonstrerer en betydelig fremskritt for humanoide roboter med sin nye Helix 2.5 nevrale nettverk. Roboten klarte å utføre tre komplekse husholdsoppgaver – rydde stuer, brette håndklær og re senger – i 30 forskjellige hjem den aldri hadde sett før, uten å samle inn nye data eller tilpasse modellen på stedet. Evnen til å generalisere kunnskap fra ett miljø til et annet uten ny trening, såkalt zero-shot læring, er et «hellig gral» for robotikk, ifølge Figures toppsjef Brett Adcock. Tidligere har roboter måttet lære hvert enkelt miljø lokalt, noe som begrenser bruksområdet. Helix 2.5s suksessrate for zero-shot-oppgaver økte fra 9 prosent til 56 prosent, primært takket være forhåndstrening på et stort datasett kalt Index. For norske arbeidsplasser med behov for automatisering, for eksempel innen renholdsbransjen eller logistikk, betyr dette at humanoidroboter potensielt kan tas i bruk mye raskere og mer kostnadseffektivt enn før. Figure har investert 3,5 milliarder dollar i datakraft til Helix og genererer nå 35 minutter med menneskelig erfaringsdata per sekund, noe som tyder på en satsing på å skalere teknologien ytterligere. Forbedringen skyldes i stor grad Index-datasettet, som inneholder data fra menneskelig atferd. Dette gir roboten en generell forståelse av verden den kan overføre. Sammenlignet med tidligere versjoner brukte Helix 2.5 også bare halvparten så mye oppgavespesifikke data, noe som gjør opplæringen mer effektiv og kostnadsgunstig.