Figure的Helix 2.5帮助机器人在陌生人家中学习新任务
Figure的Helix 2.5帮助机器人在陌生人家中学习新任务
当你把一个人形机器人放入一个它从未见过的家中时会发生什么？对于Figure来说，答案变得更有希望了。
9月17日，该公司发布了Helix 2.5，这是一个在其Index人类行为数据集上训练的神经网络。为了测试预训练是否真正起作用，Figure将该模型送入旧金山湾区的30个家庭——这些家庭从未参与过任何数据收集。结果如何？零样本成功率为56%，而在相同条件下从头开始训练的策略仅为9%。
一个模型，三项家务
Helix 2.5运行在一个单一的Index预训练基础模型上，处理三项全身任务：整理客厅、叠毛巾和铺床。在评估期间，房屋的布局、玩具、毛巾和床上用品并未包含在任务规范数据中。只有从头到尾完成的任务才被视为成功。
Figure还指出，Helix 2.5在达到先前成功率的同时，仅使用了Helix02所需的一半自适应数据。它还展示了一些令人印象深刻的自我纠正动作——后退调整位置、改变站姿，甚至爬过床去够到一个顽固的角落。
分离预训练的力量
为了准确确定预训练的贡献，Figure保持其他一切不变：模型架构、优化方法、超参数、下游数据和评估条件。唯一的变量是模型的初始化方式。
该公司表示，Index数据集中没有任何单个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影响。在进一步的实验中，将Index数据量加倍导致动作预测损失可预测地下降——这是人形机器人的数据缩放定律。
Index背后的数字
Index于8月25日推出，已经积累了264,000次下载，每周活跃用户超过44,000人。贡献者上传了超过1600万个视频，获得了1500万美元的报酬。Figure表示，它已投入35亿美元的计算资源来训练Helix系列。
对于任何关注人形机器人领域的人来说，这些数字讲述了一个故事：数据，而不仅仅是硬件，正在成为真正的战场。
关键要点
- Helix 2.5在30个不熟悉的湾区家庭中实现了56%的零样本成功率，而未使用Index预训练时仅为9%。
- 该模型处理三项全身任务——客厅整理、叠毛巾和铺床——使用的自适应数据仅为Helix02的一半。
- Figure通过保持所有其他变量不变，分离了预训练的贡献，展示了人形机器人的数据缩放定律。
- Index拥有264,000次下载、44,000周活跃用户和1600万视频，并向贡献者支付了1500万美元。
- Figure已为Helix系列投入了35亿美元的计算资源。