Figure的Helix 2.5将机器人成功率提升至56%
Figure的Helix 2.5：像人类一样学习的机器人
想象一下，一个机器人走进陌生人的家并成功整理——无需针对该特定环境进行任何事先训练。这正是Figure最新的神经网络Helix 2.5在最近一次测试中实现的。
9月17日，Figure发布了Helix 2.5，这是一个基于公司Index人类行为数据集预训练的人形机器人大脑。实际试验在旧金山湾区的30个家庭中进行——这些是机器人从未见过的家庭。结果如何？零样本成功率达到56%，相比在相同条件下从头训练的策略所达到的9%有了巨大飞跃。
它能做什么？
Helix 2.5基于单个Index预训练基础模型构建，处理三项全身任务：整理客厅、叠毛巾和铺床。关键的是，评估中不包含这些家庭的任何任务特定数据，成功需要完全完成任务。机器人甚至表现出全身自我纠正——比如后退调整位置、改变站姿或跨过床来完成工作。
预训练的力量
为了分离预训练的影响，Figure保持其他一切不变：模型架构、优化、超参数、下游数据和评估条件。只有初始化方法改变了。该公司报告称，Index数据集中没有任何单一评估任务占数据比例超过1.90%，这意味着结果直接反映了预训练对泛化的贡献。将Index数据加倍导致动作预测损失可预测地下降——这表明数据缩放定律也适用于人形机器人。
Index：背后的数据引擎
Index于8月25日推出，已经积累了264,000次下载、超过44,000名周活跃用户和超过1600万个视频。Figure已向数据贡献者支付了1500万美元，并投入了35亿美元的计算资源来训练Helix系列。借助Helix 2.5，该公司还仅使用前代Helix02一半的自适应数据就实现了相当的成功率。
关键要点
- 零样本成功率从9%跃升至56%，在30个未见过的家庭中。
- 三项全身任务：整理客厅、叠毛巾、铺床。
- 在Index数据集上的预训练是关键区别，没有任务特定数据。
- 观察到数据缩放定律：将Index数据加倍可减少动作预测损失。
- Index数据集有264k下载、44k周活跃用户和1600万+视频。
- 35亿美元投入Helix训练的计算。
