Figure ha presentato Helix 2.5, una nuova rete neurale per robot umanoidi preaddestrata sul dataset Index di comportamento umano e valutata in 30 abitazioni della Bay Area nelle quali non era stato raccolto alcun dato di training. L’azienda descrive Helix 2.5 come la rete neurale più avanzata realizzata finora e riferisce che il pretraining su Index ha aumentato il tasso di successo zero-shot dal 9% al 56% rispetto a una policy altrimenti identica addestrata da zero. A partire da un unico foundation model preaddestrato, Figure ha sviluppato tre comportamenti whole-body: riordinare un soggiorno, piegare asciugamani e rifare un letto.
Il confronto con Helix 02 evidenzia una differenza sostanziale nel modo in cui viene ottenuta la generalizzazione. Helix 02 era già in grado di coordinare l’intero corpo su orizzonti temporali lunghi, con esempi come lo svuotamento autonomo di una lavastoviglie e l’esecuzione continuativa per 200 ore di un’attività logistica, ma utilizzava dati raccolti direttamente negli ambienti nei quali il robot avrebbe poi operato. Con Helix 2.5, invece, Figure ha voluto verificare se un modello preaddestrato su esperienze umane molto diversificate potesse trasferire il comportamento a case, oggetti e configurazioni mai incontrati durante la specifica dei compiti.
Nel protocollo di valutazione, “zero-shot” si riferisce esplicitamente agli ambienti e agli oggetti manipolati. I tre comportamenti sono stati definiti attraverso dati di fine-tuning raccolti altrove, ma nessun giocattolo, asciugamano o elemento di biancheria utilizzato nei test era presente nei dati impiegati per specificare i compiti. I robot hanno utilizzato i divani, i letti e le superfici già presenti in ciascuna abitazione. Gli oggetti destinati alla valutazione sono stati messi da parte prima dell’inizio degli esperimenti e Figure ha utilizzato prima un modello AI e poi una revisione umana per verificare che non fossero presenti nei dati di task specification.
Ogni comportamento è stato valutato utilizzando un singolo checkpoint fisso in tutte e 30 le abitazioni. I pesi non sono stati adattati agli ambienti o agli oggetti di test e nessun rollout di valutazione, né alcun risultato ottenuto durante i test, è stato utilizzato per selezionare il checkpoint finale. Il successo richiedeva il completamento integrale dell’attività, senza punteggi parziali. Ogni prova iniziava inoltre da una configurazione iniziale differente, con condizioni di reset identiche per tutte le policy confrontate, mentre qualsiasi intervento umano reso necessario per ragioni di sicurezza interrompeva il rollout e veniva conteggiato come fallimento.
I criteri di valutazione sono stati fissati prima dell’avvio degli esperimenti. Nel task Living Room Tidy il robot doveva raccogliere tutti i 13-15 giocattoli distribuiti nell’ambiente e inserirli in un cestino, con un timeout di un minuto per ogni oggetto. Nel task Towel Folding ogni asciugamano doveva essere raccolto, piegato e depositato nel cestino; la qualità della piega veniva valutata anche in base all’allineamento degli angoli e il punteggio massimo richiedeva che tutti e quattro risultassero quasi coincidenti entro una distanza di un pollice. Per ogni asciugamano era previsto un limite di tre minuti.
Nel task Bed Making il robot doveva posizionare entrambi i cuscini e i due angoli del piumone nel terzo superiore del letto, distendere il piumone e sistemare correttamente l’orientamento dei cuscini. Per ciascun cuscino e per ciascun lato del piumone veniva applicato un timeout di un minuto. Figure segnala anche un miglioramento qualitativo nelle capacità di autocorrezione whole-body: durante i test Helix 2.5 poteva arretrare per riposizionarsi, cambiare postura o aggirare completamente il letto per correggere una piega, invece di continuare rigidamente lungo una traiettoria iniziale non più efficace.
Per isolare l’effetto del pretraining su Index, Figure ha addestrato due policy utilizzando esattamente gli stessi dati di task specification. Una veniva inizializzata con pesi casuali, mentre l’altra partiva dal modello Helix 2.5 preaddestrato su Index. Architettura, ottimizzazione, iperparametri, dati downstream e protocollo di valutazione sono rimasti invariati, lasciando il pretraining come unica variabile sperimentale. Nelle valutazioni blind, la policy addestrata da zero ha completato con successo il 9% dei trial zero-shot, mentre quella inizializzata dal modello Index-pretrained ha raggiunto il 56%, con un risultato superiore di oltre sei volte.
Helix 2.5 è stato inoltre preaddestrato partendo da inizializzazione casuale interamente su Index, mentre Helix 02 utilizzava inizialmente un vision-language model già preaddestrato. Figure sottolinea che nessun singolo compito di valutazione rappresenta più dell’1,90% del dataset di pretraining Index e definisce il risultato, per quanto a conoscenza dell’azienda, come la prima dimostrazione di generalizzazione whole-body zero-shot su questa scala con un robot umanoide. L’azienda ha confrontato Helix 2.5 anche con una precedente policy Helix 02 addestrata sullo stesso tipo di compito, ma utilizzando dati raccolti direttamente nell’ambiente di valutazione. Secondo Figure, Helix 2.5 ha eguagliato il tasso di successo di quella policy impiegando la metà dei dati di adattamento e mantenendo al tempo stesso la capacità di operare zero-shot nelle 30 abitazioni mai viste. Il risultato viene utilizzato per sostenere che il pretraining su un dataset ampio e diversificato può ridurre la quantità di dati specifici necessari per adattare il robot a un nuovo comportamento.
Figure ha inoltre studiato come le prestazioni cambiano aumentando la quantità di dati Index. Sono stati addestrati quattro modelli su sottoinsiemi annidati del dataset, coprendo un intervallo di otto volte nella quantità di dati di pretraining e mantenendo fissi dimensione del modello e training downstream. La held-out action-prediction loss è diminuita in modo prevedibile a ogni raddoppio dei dati. Utilizzando soltanto gli esperimenti più piccoli, Figure afferma di essere riuscita a prevedere prima dell’addestramento la test loss del modello più grande fino alla quarta cifra decimale, con un errore di previsione pari allo 0,54% della variazione osservata lungo l’intero intervallo 8x. L’azienda descrive questo risultato come, per quanto a sua conoscenza, la prima transfer scaling law human-to-robot misurata su un umanoide. La relazione riguarda però soltanto lo scaling dei dati e non stabilisce automaticamente come le prestazioni cambierebbero aumentando contemporaneamente dimensione del modello, compute o altre componenti dell’addestramento.
Alla base di Helix 2.5 c’è Index, il dataset che Figure ha presentato il 25 agosto 2026 dopo aver rinominato e portato fuori dalla fase stealth un’app per la raccolta di dati lanciata circa quattro mesi prima. Al momento di quell’annuncio, l’azienda riferiva 264.000 download dell’app in 108 Paesi, oltre 44.000 utenti attivi settimanalmente, più di 16 milioni di video caricati dai Creator e 15 milioni di dollari complessivamente corrisposti a chi raccoglie i dati. Il sistema processava inoltre circa 30 minuti di nuovi video ogni secondo. Secondo i dati pubblicati da Figure, per ogni 1.000 ore raccolte Index comprende 373 attività uniche, 1.146 oggetti manipolati differenti e 116 ambienti distinti. I dati attraversano una pipeline in cinque fasi che comprende filtraggio, controllo delle frodi, deduplicazione, riequilibrio e annotazione. Con l’annuncio di Helix 2.5, l’azienda afferma che Index sta ora generando circa 35 minuti di nuova esperienza umana ogni secondo.
Figure ha inoltre dichiarato di aver impegnato 3,5 miliardi di dollari in capacità di calcolo per l’addestramento di Helix. La direzione tecnica indicata dall’azienda è quella di utilizzare quantità crescenti di comportamento umano raccolto su larga scala per preaddestrare un singolo modello capace di trasferire le competenze a robot operanti in ambienti reali diversi, riducendo la dipendenza dalla raccolta di dati specifici in ogni nuovo spazio.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)