Figure’ın Helix 2.5 modeli görmediği 30 evde sıfır örnekle görev yaptı

Figure, 17 Eylül 2026’da insansı robot sinir ağı Helix 2.5’i tanıttı. Şirketin kendi insan davranışı veri kümesi Index ile ön eğitilen model, San Francisco Körfez Bölgesi’ndeki 30 evde değerlendirildi. Figure bu evlerin hiçbirinden veri toplamadığını belirtiyor.

Sıfır örnek başarısı yüzde 9’dan yüzde 56’ya çıktı

Figure, kontrollü karşılaştırmada Index ile ön eğitimin sıfır örnek (zero-shot) başarı oranını yüzde 9’dan yüzde 56’ya taşıdığını açıkladı. Karşılaştırma, aynı politikanın sıfırdan eğitilmiş sürümüyle yapıldı. Şirket Helix 2.5’i bugüne kadar geliştirdiği en gelişmiş sinir ağı olarak tanımlıyor.

Üç gövde görevi ve kendini düzeltme

Tek bir Index destekli temel modelden üç gövde görevi üretildi: oturma odası toplama, havlu katlama ve yatak toplama. Figure ayrıca gövdesel kendini düzeltmede niteliksel bir iyileşme bildiriyor. Robot geri adım atıp konumunu yeniden ayarlıyor, duruşunu değiştiriyor ya da katlamayı düzeltmek için yatağın çevresinden dolaşıyor. Şirket bunu Index ön eğitiminin önemli bir etkisi olarak görüyor.

Transfer ölçekleme yasası ve veri verimliliği

Figure’a göre şirket yalnızca küçük ölçekli koşuları kullanarak en büyük koşunun test kaybını eğitim başlamadan önce dört ondalık basamağa kadar tahmin etti. Sekiz kat veri aralığındaki varyasyonun yüzde 0,54’ü kadar bir tahmin hatası bildiriliyor. Bu, ön eğitimin ölçeklenebilirliği açısından iddialı bir sonuç.

Index veri kümesi ve hesaplama yatırımı

Duyuruya göre Index artık saniyede yaklaşık 35 dakikalık yeni insan deneyimi üretiyor. Figure, Helix’in eğitimi için 3,5 milyar dolarlık hesaplama kapasitesi ayırdığını belirtiyor ve genel fiziksel zeka alanında çalışacak kişileri aradığını ekliyor.

Neden önemli

Evler, insansı robotlar için en zorlu ortamlar arasında yer alıyor. Her evin düzeni, eşyaların yeri ve yüzeyler farklı olduğu için robotun her yeni mekanda yeniden eğitilmesi gerekiyordu. Figure’ın açıkladığı rakamlar, büyük bir insan davranışı veri kümesiyle ön eğitimin bu ihtiyacı azaltabileceğini gösteriyor.

Yine de sonuçların şirketin kendi ölçümlerine dayandığını not etmek gerekiyor. Helix 2.5’in hangi hata oranıyla çalıştığı, görevleri ne kadar sürede tamamladığı ve bağımsız testlerde aynı performansı gösterip göstermediği açıklanmış değil. Bu başlıklar, sonuçların ne kadar genellenebilir olduğunu belirleyecek.

Kaynak: Unite.AI