La empresa de robótica Figure presentó su nuevo sistema neuronal Helix 2.5, un modelo diseñado para robots humanoides que eleva la capacidad de autonomía en entornos domésticos reales.
Preentrenado sobre una base de datos propia denominada Index, el software fue evaluado mediante pruebas a ciegas en 30 hogares del Área de la Bahía sin registro previo. Los resultados mostraron que el preentrenamiento incrementó la tasa de éxito en evaluaciones zero-shot del 9 % al 56 %, permitiendo al autómata ejecutar tareas de cuerpo completo como ordenar salas de estar, doblar toallas y hacer camas sin necesidad de mapas o datos específicos de cada vivienda.
El protocolo de evaluación midió la capacidad de adaptación del robot ante objetos, mobiliario y superficies no vistos durante la etapa de entrenamiento. Bajo rúbricas fijadas antes de los experimentos, el sistema debía recoger entre 13 y 15 juguetes por habitación, doblar toallas con precisión geométrica y estirar la lencería de cama dentro de límites de tiempo estrictos.
A diferencia de su antecesor Helix 02 que requería datos tomados en el mismo entorno de pruebas, Helix 2.5 demostró capacidades de autocorrección física en tiempo real, permitiendo al robot reposicionarse o rodear el mobiliario para corregir movimientos sin intervención humana.
Asimismo, la compañía reportó la medición de una ley de escalado de transferencia humano-a-robot en un sistema humanoide. Al entrenar cuatro modelos con volúmenes de datos proyectados hasta ocho veces, la pérdida de predicción disminuyó de forma predecible, permitiendo pronosticar los resultados de pruebas a gran escala con un margen de error de 0,54 %. Según Figure, este avance confirma que el escalado de datos de comportamiento humano incrementa directamente la versatilidad de los autómatas en la ejecución de labores cotidianas no estructuradas.
Foto cortesía Envato
