Figure apresenta o Helix 2.5, com generalização zero-shot de um robô humanoide em 30 casas
aiinsider ·
A Figure apresentou o Helix 2.5, uma rede neural destinada a permitir que seu robô humanoide execute tarefas domésticas de corpo inteiro em casas que não viu anteriormente, sem coletar dados locais nem adaptar o modelo nesses ambientes. A empresa testou o mesmo checkpoint em 30 casas da região da baía de São Francisco, em tarefas de arrumação da sala de estar, dobragem de toalhas e arrumação de camas; para obter sucesso, era necessário concluir todas as etapas, e os objetos usados na avaliação não faziam parte dos dados de treinamento específicos das tarefas. A Figure informou que o pré-treinamento do Index aumentou o sucesso zero-shot de 9%, no caso de um modelo treinado do zero, para 56% em uma comparação com os demais elementos mantidos idênticos. A empresa também disse que o Helix 2.5 usou metade dos dados específicos das tarefas, ao mesmo tempo que ampliou a especificação do comportamento de um ambiente para 30 casas não vistas, e que o robô conseguia se autocorrigir durante tarefas mais longas. Em um teste separado de escalabilidade, a previsão de ações do robô melhorou de forma previsível à medida que os dados de comportamento humano do Index eram duplicados, algo que a Figure descreveu como uma lei de escalabilidade da transferência de humano para robô aplicada a um humanoide. Segundo relatos, o Index gera cerca de 35 minutos de dados de experiência humana por segundo, enquanto a Figure comprometeu US$ 3,5 bilhões em recursos computacionais para treinar o Helix.
aiinsider