Figure机器人进30户陌生人家：铺床叠毛巾，过半一次做完
Figure 03在30户从没去过的住宅里零数据采集做家务，整任务成功率约56%。Figure AI发布Helix 2.5，铺床、叠毛巾、收玩具420次试验成功237次；只靠Index人类行为数据预训练，成功率就从9%提到56%。
人走进一户陌生人家，马上就能帮忙收拾；机器人通常做不到，它得在每个新地方重新采数据、重新学。Figure AI想打破这一点：9月17日，公司发布新一代神经网络Helix 2.5，让人形机器人Figure 03进了30户从没去过的旧金山湾区住宅直接干活。
这30户住宅里一条数据都没采过，测试用的玩具、毛巾和床品也都没出现在训练数据里，机器人用的是每户家里现成的床、沙发和台面。Figure CEO布雷特·阿德科克（Brett Adcock）说，这些房子是公司租来做实验的。
测试了三项活：铺床、叠毛巾、收拾客厅玩具。评分只算整任务——所有玩具都收完（每次13到15件）、四条毛巾全部叠好放进篮子、整张床铺好才算成功，中途安全干预直接判失败。结果：铺床94/140（67%），叠毛巾87/140（62%），收玩具56/140（40%），合计420次成功237次，约56%。
56%的关键来自预训练。Figure用同一套任务数据训练了两个模型，唯一差别是有没有先在Index上预训练。Index是Figure的全球人类行为数据集，目前每周有超过9万人贡献数据，每秒上传35分钟的人类经验。从零训练的模型成功率只有9%，经过Index预训练的达到56%，高出6倍多。
效率也在变。Figure称，Helix 2.5学一项行为用的任务数据只有Helix 02代表性行为的一半，却把这项行为推广到了30户新环境。公司还发现，人类数据每翻一倍，机器人动作预测就平稳提升，平稳到能在训练前把最大一次训练的损失值预测到小数点后四位。
Figure自己也说，通用人形机器人远没有解决。竞争对手Sunday Robotics的Tony Zhao直接拿237/420开炮，称这是“一半时间在失败”，认为有用的工作等于泛化加可靠。Sunday此前公布的叠衣服成绩是785次尝试成功778次，但它按单件衣服计数，Figure按整项任务计数，两组数字不能直接比。
这次发布对应的是Figure此前推出的Index众包数据平台：用海量人类经验，减少必须在机器人身上手把手教的部分。阿德科克称Helix 2.5是Figure“做过最重要的项目”，并放出了近4小时Figure 03在不同住宅干活的长视频。