Entró, miró alrededor y puso todo en orden: el humanoide Figure se adapta a un entorno desconocido sin instrucciones

Un robot doméstico suele ser competente únicamente en la habitación donde fue entrenado durante mucho tiempo. Figure presentó Helix 2.5, que debería romper esa dependencia: el humanoide completó tareas del hogar en 30 casas previamente desconocidas sin recopilación de datos, reentrenamiento ni ajustes para cada estancia.

En las pruebas el robot guardaba de 13–15 juguetes en una cesta, doblaba toallas y tendía la cama. Nuevos eran no solo los planos, sino también los objetos con los que la máquina tenía que trabajar. Para cada tarea se utilizó una única versión del modelo en las 30 casas, y los resultados de las viviendas de prueba no se usaron para elegir o ajustar el modelo. Cualquier intervención humana se contaba como un fracaso.

El resultado clave de Figure no está en un truco aislado, sino en la transferencia de habilidades. El modelo entrenado desde cero solo con datos para tareas concretas completaba con éxito el 9% de las pruebas. Tras el preentrenamiento de Helix 2.5 en el conjunto Index, la cifra aumentó hasta el 56%, es decir, más de seis veces. No hubo aprobaciones parciales: se exigía completar toda la tarea.

Por «zero-shot» aquí se entiende operar en espacios nuevos y con objetos nuevos, no ejecutar un comando desconocido sin preparación. Tres tipos de tareas domésticas se definieron de antemano mediante entrenamiento adicional con datos de otros lugares. Por eso la demostración muestra la transferencia de habilidades ya aprendidas, no la capacidad del robot de idear por sí mismo un nuevo modo de actuar desde cero.

Index recopila registros del comportamiento humano para que el robot aprenda acciones físicas no solo a partir de sus propias y costosas demostraciones. Figure clasifica los videos por categorías mediante representaciones visuales y textuales, y luego usa el conjunto para el preentrenamiento. La empresa afirma que ahora Index agrega aproximadamente 35 minutos de experiencia humana cada segundo.

El nuevo enfoque debería reducir la dependencia del aprendizaje in situ. Según Figure, Helix 2.5 necesitó la mitad de datos especializados que el comportamiento comparable de Helix 02, al mismo tiempo que el nuevo modelo transfirió la habilidad a 30 hogares ajenos. Anteriormente Helix 02 ya trabajó en turnos autónomos, pero en un entorno familiar.

El entorno doméstico complica la tarea porque el robot debe a la vez percibir objetos, desplazarse, cambiar la postura del cuerpo y trabajar con dos manos. Helix 2.5 puede retroceder, adoptar otra posición o rodear la cama si el primer agarre falla. Ese comportamiento de autocorrección es especialmente importante en habitaciones estrechas, donde no se puede planificar la trayectoria de antemano.

Figure también examinó cómo la escala de Index afecta la calidad de la transferencia. Cuatro modelos se entrenaron en conjuntos de datos anidados que diferían en tamaño por un factor de ocho, manteniendo constante el tamaño del modelo y el entrenamiento posterior. El error de predicción de la acción siguiente disminuyó de forma bastante lineal, de modo que el resultado de la ejecución de mayor escala se pudo estimar de antemano con una desviación del 0,54%.

El resultado sigue siendo por ahora una evaluación interna de Figure. La empresa definió los criterios, realizó las pruebas y publicó materiales de demostración, y en el informe presentado no hay reproducción independiente. Además, el 56% de éxito completo deja un margen notable hasta la fiabilidad doméstica: casi la mitad de los intentos según criterios estrictos aún termina en fracaso.

Figure considera a Helix 2.5 una confirmación del enfoque en el que el humanoide primero adquiere una amplia experiencia de los humanos y luego aprende el trabajo específico con un conjunto menor de datos robotizados. La empresa asignó recursos computacionales por valor de 3,5 mil millones de dólares para el entrenamiento adicional de Helix. Ahora la cuestión clave es si el aumento de datos se traducirá en un funcionamiento robusto fuera de las escenas preparadas.