Figure Helix 2.5 проверили в 30 домах, которых не было в обучающих данных: гуманоид собирал игрушки, складывал полотенца и заправлял кровати без настройки под каждую квартиру. Для русскоязычной IT-аудитории здесь важна не бытовая магия, а перенос навыков: робот пытается работать в новой среде, не требуя отдельного датасета под конкретную планировку.
Американская робототехническая компания Figure представила новую версию нейросети управления гуманоидом, сообщает Habr / Новости. Система должна помогать роботу выполнять уже освоенные домашние задачи в незнакомых помещениях: перемещаться между комнатами, выбирать положение корпуса, брать предметы и доводить действие до результата. Тестовые дома не использовались при обучении, а предметы в них не подгонялись под модель.
Набор задач был приземлённым и от этого полезным: собрать разбросанные игрушки в корзину, сложить полотенца, заправить кровать. Для человека это рутина на автопилоте. Для робота — смесь навигации, компьютерного зрения, планирования движений и работы с объектами, которые ведут себя неприятно: полотенце мнётся, простыня тянется, покрывало закрывает обзор и не обязано лежать так, как в датасете.
Figure не заявляет, что гуманоид внезапно стал универсальным домашним сотрудником на все случаи жизни. Базовую модель предварительно обучили на Index — датасете человеческих действий, а затем дообучили под три конкретные задачи на данных из других мест. В 30 новых домах модель уже не адаптировали. Это важная граница: речь не о роботе, который понимает любую просьбу владельца, а о переносе заранее выученных навыков в новую обстановку.
Самая заметная цифра — рост полностью успешных попыток с 9% до 56% при использовании предварительного обучения на Index и прочих равных условиях. Частичный успех не засчитывался: если робот почти заправил кровать, но не довёл задачу до нужного состояния, это провал. Такой подход выглядит сурово, зато честнее для бытового сценария. Пользователю не нужен робот, который героически справился наполовину и оставил полотенце комком на краю дивана.
В демонстрациях Figure также показала самокоррекцию: робот менял положение тела, обходил кровать и пытался поправить покрывало после неудачного движения. Для разработчиков робототехники это едва ли не интереснее финального кадра с аккуратной кроватью. В реальном доме редко бывает идеальная геометрия: рядом стоит тумба, ткань цепляется за край, игрушка оказывается не там, где её ждала модель. Без способности обнаружить сбой и перестроить действие домашний робот остаётся дорогой машиной для красивых роликов.
Figure Helix 2.5 вписывается в более широкий тренд: робототехнические компании всё активнее пытаются уйти от сценариев, где каждое помещение превращается в отдельный инженерный проект. Если для новой квартиры, склада или офиса нужно заново собирать данные, размечать окружение и дообучать модель, экономика быстро становится грустной. Перенос навыков между локациями — один из способов приблизить гуманоидов к продукту, который можно масштабировать, а не показывать только в лаборатории.
Для бизнеса это пока не сигнал срочно закупать гуманоидов для клининга или офисной рутины. 56% полного успеха — слишком мало для повседневной эксплуатации, где от техники ждут скучной надёжности, а не спортивного интереса. Зато это хороший индикатор направления: ценность смещается от механики как таковой к данным, архитектурам обучения и качеству обобщения. Победит не тот, кто заставит робота один раз эффектно сложить полотенце, а тот, кто научит его делать это в тысячах разных квартир без команды инженеров за дверью.
Главный вопрос теперь не в том, сможет ли гуманоид повторить три бытовые задачи в ещё одном доме. Вопрос в темпе: как быстро такие системы перейдут от демонстраций с ограниченным набором навыков к надёжной работе с десятками сценариев, где предметы, люди и беспорядок каждый день немного другие. Домашняя роботизация начнёт выглядеть серьёзно именно тогда, когда новая квартира перестанет быть для модели новой вселенной.