砸 10 億美元重金，Figure 人型機器人家事成功率飆升 6 倍
知名機器人公司 Figure 最新公布的測試結果指出，透過人類行為影片訓練的資料集，已大幅提升人型機器人在陌生家庭環境中的實作能力。搭載 Helix 2.5 模型的 Figure 03 機器人，近期在加州灣區 30 間從未造訪過的住宅中，進行了包含整理玩具、摺毛巾與鋪床等共 420 次任務測試。結果顯示，其整體成功率達到 56%；對比未使用「Index」資料集預訓練的版本（成功率僅 9%），表現躍升超過 6 倍。
這次測試的最大亮點在於「零事前準備」的真實考驗。機器人進入這 30 間房屋前，完全沒有收集任何環境資料，抵達後也沒有進行軟體微調，等同於在完全陌生的環境中「直接實戰」。Figure 表示，Index 是一個由群眾外包建立的人類行為影片庫，目前正以驚人的速度擴張──每秒約新增 35 分鐘的影像，相當於每天累積 5.7 年的人類活動紀錄。這項成果證明，人類示範影片已能有效轉移並強化機器人的實體動作學習。
https://videos.ctfassets.net/qx5k8y1u9drj/1G2siqHHxNCmGRZJN3y3gv/36262b52ccd85c8240d86faf80bf0f7c/INDEX_GEN_MP4.mp4
（Source：Figure）
若細看各項任務表現，Figure 03 在不同家務上的熟練度仍有所差異。例如，鋪床的成功率最高可達 67%，但需要頻繁撿拾的「收拾散落玩具」，成功率則約為 40%。儘管如此，業界仍將此結果視為重大突破，因為這證實了在同一套模型、同組任務資料與相同設定下，單單只改變「是否加入 Index 預訓練」這項變數，就能讓機器人在陌生住宅的任務完成率出現爆發性成長。
Figure 強調，Helix 2.5 的亮眼表現，充分印證了物理 AI（Physical AI）的訓練資料正快速發揮效用。公司先前已承諾將投入數十億美元規模的運算資源，持續擴充模型訓練量能；而此次在短時間內取得的技術躍進，正是這項龐大投資策略所迎來的具體回報。
Figure’s Billion-Dollar Physical AI Bet Delivered A 6X Jump In Robot Chore Success
Figure, Boston Dynamics and Unitree post humanoid gains in a single week
（首圖來源：Figure）