Robô da Figure AI, HELIX 2.5: generalização autônoma em 30 casas novas

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Figure AI Robot HELIX 2.5 Autonomous Generalization In 30 New Homes · Canal: AI News · 07:59 · Assistir no YouTube

Tópicos: Automação de tarefas e workflows, Modelos de IA, Robótica e sistemas autônomos

Resumo

O vídeo apresenta o Helix 2.5, da Figure, e demonstra três habilidades executadas pelo robô Figure 3 em 30 casas que ele nunca havia visitado, sem dados coletados nesses locais, fine-tuning ou adaptação após a chegada. As tarefas são arrumar a sala, dobrar toalhas e fazer a cama; segundo a Figure, o pré-treinamento no conjunto Index ajuda o modelo a generalizar e a se recuperar de erros. Uma comparação relatada pela empresa aponta sucesso em 56% dos testes zero-shot para a política pré-treinada, contra 9% para uma política iniciada com pesos aleatórios. Na segunda parte, o vídeo apresenta o A3 Ultra, da AGI Bot, e suas capacidades de operação, navegação, manipulação e coordenação.

Pontos-chave

A Figure afirma que o Helix 2.5 realizou três tarefas domésticas em 30 casas inéditas, sem dados prévios das casas, fine-tuning ou adaptação no local.
As tarefas demonstradas são recolher brinquedos e guardá-los em uma cesta, dobrar toalhas e fazer a cama.
O modelo foi pré-treinado no Index, que a Figure descreve como seu maior conjunto de dados de treinamento para robôs.
Em testes zero-shot, a política pré-treinada teve 56% de sucesso, comparada a 9% para uma política iniciada com pesos aleatórios.
Segundo a Figure, o Helix 2.5 alcançou a taxa de sucesso do Helix 02 usando metade dos dados específicos da tarefa e generalizou para 30 casas.
A Figure destaca que o robô pode se reposicionar, mudar a postura ou contornar a cama para corrigir falhas durante uma tarefa.
A empresa relata uma relação previsível entre o aumento dos dados de pré-treinamento e a melhora do desempenho do modelo.
O vídeo também apresenta o A3 Ultra, da AGI Bot, incluindo sua bateria substituível, sensores, mãos táteis e sistema de segurança.
Segundo o vídeo, o sistema link bot da AGI Bot pode coordenar até 100 robôs.

Capítulos

Início	Capítulo	Resumo
00:00	Helix 2.5 em casas inéditas	O vídeo apresenta a proposta de testar se o Figure 3 consegue executar tarefas domésticas em uma casa que nunca visitou.
02:05	Três tarefas e resultados de generalização	São descritas as tarefas domésticas e os testes em 30 casas, seguidos por comparações de desempenho e observações sobre autocorreção.
04:45	Escala de treinamento e experiência humana	A Figure apresenta resultados sobre escalabilidade do pré-treinamento e os recursos investidos no treinamento do Helix.
05:46	AGI Bot A3 Ultra	O vídeo descreve o A3 Ultra, suas especificações e recursos de navegação, manipulação, segurança e coordenação com outros robôs.

Citações

Meu sonho é nunca mais ter que arrumar a cama. — 00:00

O Figure 3 nunca esteve neste quarto antes. Nunca viu esta cama nem este travesseiro. — 01:04

A política iniciada com pesos aleatórios teve sucesso em apenas 9% dos testes zero-shot; a política pré-treinada no Index, em 56%. — 03:08

Em uma tarefa longa e desconhecida, o Helix 2.5 recua para se reposicionar, muda a postura ou contorna a cama para corrigir uma dobra ruim. — 04:13

Conceitos e entidades

Helix 2.5 (modelo): Modelo da Figure apresentado no vídeo como responsável pelas habilidades domésticas demonstradas pelo Figure 3.
Figure 3 (modelo): Robô humanoide usado nas demonstrações de tarefas domésticas em casas inéditas.
Index (conceito): Conjunto de dados de experiência humana usado, segundo a Figure, para pré-treinar o Helix 2.5.
zero-shot generalization (conceito): Capacidade de executar tarefas em ambientes novos sem dados prévios coletados nesses ambientes.
whole-body generalization (conceito): Generalização que envolve o controle do corpo inteiro do robô ao executar tarefas em novos ambientes.
Helix 02 (modelo): Modelo usado como referência de comparação para a quantidade de dados específicos de tarefa necessária.
Figure (empresa): Empresa que desenvolveu o Helix 2.5 e conduziu as demonstrações descritas no vídeo.
AGI Bot (empresa): Empresa apresentada no vídeo como desenvolvedora do robô A3 Ultra.
A3 Ultra (modelo): Robô humanoide da AGI Bot apresentado em operações como turnos em hotéis, concessionárias e supermercados.
link bot (ferramenta): Sistema da AGI Bot que, segundo o vídeo, coordena até 100 unidades.

Tradução completa (pt-BR)

00:00 Meu sonho é nunca mais precisar arrumar a cama. Esta é uma casa em que o robô nunca esteve antes. Esta aqui é importante. Lavar roupa é a pior coisa. >> Isso é inteligência artificial geral incorporada ou é…? Hoje, nas notícias de IA, vamos analisar mais de perto o Helix 2.5 executando três novas skills. Além disso, vamos ver como ele generaliza. >> Esta é uma casa em que o robô nunca esteve antes. O robô nunca viu nenhum desses objetos. Não fizemos nenhuma alteração em nenhum dos

00:32 dados de treinamento. Tudo o que fizemos foi basicamente reservar este lugar, trazer o robô para cá, e agora ele está fazendo um trabalho realmente útil. E o robô está se ajustando constantemente à dinâmica do ambiente. Daqui, o Figure 3 vai sair e basicamente limpar a sala de estar inteira. >> Então, a Figure acaba de apresentar o Helix 2.5 como a rede neural mais avançada que já construiu, por vários motivos. Mas, antes de você ver as três skills autônomas do começo ao fim, a

01:04 proposta da Figure é simples, mas difícil de executar. Um humanoide consegue generalizar dentro de uma casa que nunca viu e começar a trabalhar imediatamente, sem dados prévios daquela casa? >> Meu sonho é nunca mais precisar arrumar a cama. Para isso, precisamos conseguir implementar o robô em qualquer casa. O interessante aqui é que o Figure 3 nunca esteve neste quarto antes. Nunca viu esta cama. Nunca viu este travesseiro. E precisa ser capaz de realizar o trabalho de forma autônoma, do começo ao fim, para arrumar esta cama.

01:35 Esta aqui é importante. Lavar roupa é a pior coisa. Lá em casa, lavamos roupa todos os dias. Esta tarefa é muito difícil para a robótica, pois exige manipulação extremamente precisa. Com o Helix 2.5, estamos dobrando toalhas em uma casa em que o robô nunca esteve, usando toalhas que nunca viu. >> E, para testar a generalização zero-shot, a Figure fez o pré-treinamento do Helix 2.5 no Index,

02:05 que, segundo a Figure, é o maior conjunto de dados de treinamento de robôs do mundo. Depois, produziu três skills distintas de corpo inteiro a partir desse único modelo-base. Começando pela skill número três, arrumar uma sala de estar: o robô precisa localizar brinquedos espalhados, de 13 a 15 por casa, e colocar cada um deles em uma cesta. Mas isso é significativamente mais fácil do que a skill número dois: dobrar roupa. E, embora pareça simples, o robô nunca viu essas toalhas específicas, esta superfície específica para dobrar nem este quarto específico antes de entrar

02:37 nele. Depois, há a skill número um, que é a mais difícil das três: arrumar uma cama. Os dois travesseiros e cada canto do edredom precisam ficar na cabeceira da cama, com o edredom esticado e liso, em uma estrutura de cama que o robô nunca encontrou. E a Figure testou as três skills em 30 casas reais, sem coletar dados previamente em nenhuma delas, sem fine-tuning e sem adaptação depois que o robô chegou. Na verdade, a Figure afirma que esta é a primeira demonstração de generalização zero-shot de corpo inteiro nessa escala em um robô humanoide. Mas

03:08 a pergunta mais interessante aqui não é se funcionou, mas por quê. Então, a Figure fez uma comparação direta para descobrir. Eles treinaram duas políticas idênticas com dados de tarefas idênticos, nenhum deles proveniente das casas de avaliação. Uma começou com pesos aleatórios; a outra começou com a base do Helix 2.5 pré-treinado no Index. Todo o resto, inclusive a arquitetura, o treinamento e a avaliação, permaneceu igual. A política que começou do zero teve sucesso em apenas 9% das tentativas zero-shot, mas a política pré-treinada no Index teve sucesso em 56%, mais de seis vezes mais.

03:42 E, como o pré-treinamento foi a única variável que mudou, essa diferença mede diretamente o que se ganha, de fato, com o pré-treinamento amplo em comportamento humano. E é aqui que fica ainda mais eficiente. Comparando o Helix 2.5 com uma política Helix 02 treinada na mesma tarefa, o Helix 2.5 igualou a taxa de sucesso de seu antecessor usando metade dos dados de treinamento específicos da tarefa e, em seguida, generalizou esse comportamento para 30 casas que nunca tinha visto, em vez de apenas para o ambiente único em que foi treinado. Então, a Figure apresenta isso como uma especificação de comportamento

04:13 que ficou duas vezes mais barata, enquanto seu escopo de uso se expandiu em 30 vezes. Mas também há uma mudança qualitativa que vale destacar: a autocorreção. Ao longo de uma tarefa longa e desconhecida, segundo a Figure, o Helix 2.5 recua para se reposicionar, muda de postura ou dá a volta em toda a cama para corrigir uma dobra malfeita, recuperando-se dos erros em vez de ficar preso a eles. E a Figure atribui essa capacidade diretamente ao pré-treinamento no Index, não à prática específica da tarefa. E há também a lei de escala, porque a Figure treinou quatro

04:45 versões do modelo com porções progressivamente maiores do Index. Houve um aumento de oito vezes nos dados de pré-treinamento, mantendo constantes o tamanho do modelo e o treinamento posterior, e o desempenho do modelo melhorou de forma previsível a cada duplicação, com precisão suficiente para que a Figure previsse a perda de teste da maior execução até a quarta casa decimal antes mesmo de executá-la, com um erro de previsão de apenas 0,54% em toda a faixa. E esse é o mesmo tipo de comportamento de escala previsível que transformou os grandes modelos de linguagem,

05:15 só que agora a Figure afirma que isso está acontecendo pela primeira vez em um robô humanoide. Mais importante, a Figure argumenta que esta é a primeira evidência real de que a inteligência de corpo inteiro pode ser aprendida amplamente a partir da experiência humana e depois transferida para novos lugares, em vez de ser reconstruída separadamente toda vez que um robô entra em um ambiente novo. E a escala por trás disso é considerável. Segundo a Figure, o Index agora gera cerca de 35 minutos de novos dados de experiência humana por segundo, e a empresa comprometeu US$ 3,5 bilhões em capacidade computacional

05:46 especificamente para treinar o Helix daqui para a frente. Então, contem nos comentários abaixo: quão perto isso está de uma inteligência geral realmente incorporada? E como se compara a este robô novíssimo, o A3 da AGI Bot? >> Porque, enquanto a Figure aposta na generalização, a AGI Bot está avançando em uma direção semelhante, mas com uma diferença. O A3 Ultra da AGI Bot acabou de passar da produção em massa para a implantação de fato, já trabalhando em turnos em hotéis, concessionárias de automóveis, supermercados e rotas de inspeção do metrô.

06:19 Quanto às especificações, ele tem 174 cm de altura e pesa 60 kg. O A3 consegue atracar autonomamente para recarregar ou até trocar sua bateria de 1.152 Wh em apenas 10 segundos, em vez de esperar por uma recarga completa de duas horas; é assim que ele transforma uma autonomia de bateria de 8 horas em cobertura de 24 horas. Quanto à inteligência, seu processamento integrado de 700 teraoperações por segundo dá conta da percepção e do planejamento de trajetórias em tempo real, com o apoio de lidar

06:53 e câmeras com visão panorâmica completa de 360°, que permitem que ele navegue por um saguão ou pelo piso de um supermercado enquanto acompanha pessoas e obstáculos ao mesmo tempo. Além disso, suas mãos táteis com 20 graus de liberdade conseguem manipular desde uma única folha de papel até um objeto de até 5 kg, e o sistema pode até aprender uma tarefa totalmente nova com apenas uma demonstração humana, sem precisar ser reprogramado explicitamente. E ele já está trabalhando perto de clientes e funcionários de verdade, com o A3 Ultra contando com um sistema de segurança de quatro camadas: prevê riscos a 3 m de distância, para ao entrar em contato,

07:27 aciona dois sistemas de parada de emergência e se segura caso comece a cair. Tudo isso foi validado por meio de testes de colisão, queda e temperaturas extremas. E, quando o trabalho exige mais de um robô, o sistema Link Bot da AGI Bot pode coordenar até 100 unidades de uma vez. Além disso, é bem legal tirar o A3 da caixa e colocá-lo em operação. Como os preços não estão disponíveis publicamente, contem nos comentários se acham que ele seria mais caro ou mais barato que o Figure 3 e qual deles escolheriam. Enfim, curtam, inscrevam-se e confiram este vídeo aqui para ver mais das últimas notícias sobre IA e robótica. E

07:59 obrigado por assistir.

Transcrição original

[00:00] My dream is to never have to make my bed again. This is a home the robot’s never been in before. This one is important. Doing laundry is the worst. >> Is this embodied artificial general intelligence or is this? Today on the AI news, we’re taking a closer look at Helix 2.5 executing three new skills. Plus, we’ll see how well it generalizes like this. >> This is a home the robot’s never been in before. The robot’s never seen any of these objects. We’ve made no changes to any of

[00:32] the training. All we’ve done is basically book this book this place, ship the robot here, and now it’s doing real useful work. And the robot’s constantly changing to the dynamics of the environment. From here, Figure 3 will go off and basically clean the entire living room. >> So, Figure just introduced Helix 2.5 as the most advanced neural network they’ve ever built for several reasons. But before you see all three autonomous skills from start to finish, Figure’s

[01:04] pitch here is simple but hard to pull off. Can a humanoid generalize inside a home it’s never seen before to immediately get to work with zero prior data from that house? >> My dream is to never have to make my bed again. In order to do that, we have to be able to deploy to any home. What’s interesting here is Figure 3 has never been in this room before. It’s never seen this bed. It’s never seen this pillow. And it has to be able to do autonomous work fully end to end to make this bed.

[01:35] This one is important. Doing laundry is the worst. At my house, we’re doing laundry every single day. This task is really difficult for robotics as it requires really precise manipulation. With Helix 2.5, we’re folding towels in a house the robot’s never been in with towels it’s never seen. >> And to test zero-shot generalization, Figure pre-trained Helix 2.5 on Index,

[02:05] which Figure says is the largest robot training data set on Earth. Then produced three distinct whole-body skills from that single foundation model. Starting with skill number three, tidying a living room, the robot has to locate scattered toys, 13 to 15 of them per home, and place every single one in a basket. But this is significantly easier than skill number two, house folding. And while it sounds simple, the robot has never seen these specific towels, this specific folding surface, or this specific room before stepping

[02:37] inside. Then there’s skill number one, which is the hardest of the three, making a bed. Both pillows and every comforter corner have to land at the top of the bed with the comforter pulled smooth on a bed frame the robot has never encountered. And Figure tested all three skills across 30 real homes with zero data collected in any of them beforehand, no fine-tuning, and no adaptation once the robot arrived. In fact, Figure says this is the first demo of zero-shot whole-body generalization at this scale on a humanoid robot. But

[03:08] the more interesting question here isn’t whether it worked, but why. So Figure ran a direct comparison to find out. They trained two identical policies on identical task data, none of it from the evaluation homes. One started from random weights, the other started from the Index pre-trained Helix 2.5 foundation. Everything else, including architecture, training, evaluation, it all stayed fixed. The random start policy succeeded on just 9% of zero-shot trials, but the Index pre-trained policy succeeded on 56% over six times higher.

[03:42] And since pre-training was the only variable that changed, that gap is a direct measurement of what broad pre-training on human behavior actually buys. And here’s where it gets even more efficient. Comparing Helix 2.5 to a Helix 02 policy trained on the same task, Helix 2.5 matched its predecessor’s success rate using half as much task-specific training data, then generalized that behavior across 30 homes it had never seen instead of just the one environment it was trained in. So, Figure frames this as behavior

[04:13] specification getting twice as cheap while its usable scope expanded 30-fold. But, there’s also a qualitative shift worth flagging here, self-correction. Over a long, unfamiliar task, Figure says Helix 2.5 will step back to reposition itself, change its stance, or walk around an entire bed to fix a bad fold, recovering from mistakes rather than getting stuck on them. And Figure credits this ability directly to Index pre-training, not task-specific practice. And then there’s the scaling law, because Figure trained four

[04:45] versions of the model on progressively larger slices of Index. An eight-fold increase in pre-training data while holding model size and downstream training constant, and the model’s performance improved predictably with each doubling, precisely enough that Figure could forecast their largest run’s test loss to four decimal places before ever running it, with a forecasting error of just 0.54% across the entire range. And that’s the same kind of predictable scaling behavior that transformed large language

[05:15] models, only now Figure claims it’s on a humanoid robot for the first time. More importantly, Figure argues this is the first real evidence that whole-body intelligence can be learned broadly from human experience and then transferred to new places instead of just being rebuilt separately every single time a robot enters a new environment. And the scale behind this is substantial. Figure says Index is now generating roughly 35 minutes of new human experience data every second, and the company has committed $3.5 billion in compute

[05:46] specifically to training Helix going forward. So, tell us in the comments below how close is this to actual embodied general intelligence? And how does it stack up to this brand new robot, the A3 from AGI Bot? >> Because if figures betting on generalization, AGI Bot is working towards a similar direction, but with a twist. So, AGI Bot’s A3 Ultra just moved from mass production into actual deployment, already working shifts in hotels, auto dealerships, supermarkets, and metro inspection routes.

[06:19] And as for specs, it stands at 174 cm tall and weighs 60 kg, with the A3 being able to autonomously dock itself to charge or even swap out its 1,152 Wh battery in just 10 seconds flat, rather than waiting through a full 2-hour charge, which is how it stretches that 8-hour battery rating into 24-hour coverage. And as for intelligence, its 700 tera operations per second onboard compute handles perception and path planning in real time, backed by lidar

[06:53] and full 360° surround view cameras, allowing it to navigate a lobby or a supermarket floor while tracking people and obstacles simultaneously. Plus, its 20° of freedom tactile hands can handle anything from a single sheet of paper to up to a 5 kg object, and the system can even pick up an entirely new task just from one human demo rather than needing to be explicitly reprogrammed. And it’s already working around actual customers and staff, with the A3 Ultra leaning on a four-layer safety system, predicting risk 3 m out, stopping on contact,

[07:27] running dual emergency stops, and catching itself if it starts to fall. And it’s all validated through collision, drop, and extreme temperature testing. And when the job calls for more than one robot, AGI Bot’s link bot system can coordinate up to 100 units at once. Plus, the unbox and deploy of the A3 is pretty cool. So, since there isn’t any pricing available publicly, tell us in the comments whether you think this would be more or less expensive than the Figure 3 and which one you’d choose. Anyways, like and subscribe and check out this video here for more of the latest in AI and robotics news. And

[07:59] thanks for watching.