Figure выпустила Helix 2.5: робот убирается в незнакомых домах без дополнительного обучения

17 сентября компания Figure анонсировала модель Helix 2.5, которая позволяет роботу Figure 03 выполнять полностью автономную уборку в незнакомой обстановке без дополнительного обучения. В ходе эксперимента компания арендовала 30 домов в районе залива Сан-Франциско и запустила робота в каждый из них — без сбора данных на месте, без дообучения и без предварительного знакомства с предметами, которые ему предстояло убирать.

Что именно делал робот

Helix 2.5 был протестирован на трёх типах задач, требующих координации всего тела: уборка гостиной, складывание полотенец и заправка кровати . Для выполнения каждой задачи роботу нужно было одновременно задействовать восприятие, передвижение, манипуляцию и координацию обеих рук — всё в реальном времени .

В эксперименте робот работал в 30 незнакомых домах, используя существующую мебель и предметы обстановки. Оценка была строгой: задача считалась выполненной только при полном завершении — убрать все 13–15 игрушек в корзину, сложить все полотенца, заправить кровать целиком. Частичные результаты не засчитывались, а любое вмешательство человека по соображениям безопасности приводило к провалу испытания .

Ключевой результат: 9% против 56%

Главное доказательство эффективности нового подхода — контролируемый эксперимент, в котором сравнивались две одинаковые модели, различавшиеся только начальной инициализацией .

Архитектура, оптимизация, гиперпараметры, данные для спецификации задач и методика оценки оставались неизменными. Единственной переменной было предобучение на Index — наборе данных о поведении человека, который Figure собирает через собственное приложение .

Это означает, что большая часть способности робота работать в незнакомой среде обусловлена именно предварительным обучением на человеческом опыте, а не адаптацией к конкретным задачам.

Что такое Index и почему это важно

Index — это крупнейший в мире набор данных о поведении человека, который Figure собирает с августа 2026 года через специальное приложение . Данные поступают от людей по всему миру: они записывают видео выполнения повседневных задач — от уборки и готовки до работы на складах и в офисах.

Масштаб Index:

• Более 264 000 загрузок приложения в 108 странах
• Свыше 44 000 активных пользователей еженедельно
• Более 16 млн загруженных видео
• 30 минут видео обрабатывается каждую секунду
• Выплачено $15 млн создателям данных 

Figure также заявляет об обнаружении закона масштабирования человеко-машинного переноса: при удвоении объёма предобучающих данных на Index точность предсказания движений робота улучшается предсказуемым образом — настолько, что потерю крупнейшего запуска удалось спрогнозировать с точностью до четырёх знаков после запятой до начала обучения .

Меньше данных, больше обобщения

Помимо роста успешности, Helix 2.5 продемонстрировал эффективность использования данных. Для достижения сопоставимого результата модели потребовалось вдвое меньше данных для спецификации задач, чем предыдущей версии Helix 02, при этом область применения расширилась в 30 раз — с одного знакомого помещения до 30 незнакомых домов .

Робот также показал способность к самокоррекции: в незнакомой среде он отступал, чтобы перестроить позицию, менял стойку или обходил кровать целиком, чтобы исправить складывание. Эта способность восстанавливаться после ошибок и продолжать задачу — одно из следствий предобучения на Index .

Технические характеристики Figure 03

Эксперименты проводились на роботе Figure 03 — третьем поколении гуманоида компании, представленном в октябре 2025 года .

Ключевая особенность Figure 03 — тактильные датчики с разрешением около 3 граммов, что позволяет роботу различать надёжный захват и приближающееся выскальзывание предмета . Камеры в ладонях обеспечивают визуальную обратную связь даже когда основные камеры перекрыты — например, при работе в глубине шкафа .

Контекст и ограничения

Figure подчёркивает, что общая гуманоидная робототехника ещё не решена, но Helix 2.5 — первое свидетельство того, что интеллект всего тела можно выучить из человеческого опыта и переносить в новые сценарии, а не перестраивать каждый раз заново .

Стоит отметить, что термин «zero-shot» в эксперименте Figure относится к незнакомым средам и объектам: сами три задачи (уборка, складывание, заправка) были освоены через данные, собранные в других местах . Компания также подверглась критике за то, что в демонстрационном видео некоторые задачи обрываются до их видимого завершения .

Figure уже инвестировала $3,5 млрд в вычислительные ресурсы для обучения Helix и подписала многолетнее соглашение с Nscale о поставке около 100 000 GPU NVIDIA Vera Rubin, с возможностью расширения контракта до $6 млрд .