特斯拉的Optimus遇到了新問題：Figure的人形機器人在未知領域變得更好

人形機器人的下一個戰場可能不是機器人完成家務的能力如何，而是它在進入房間之前已經知道了多少。Figure AI表示，其最新模型完成了30個陌生家庭的家庭任務，這表明廣泛的人類行為數據對機器人來説可能變得與硬件本身一樣重要。

Figure的Helix 2.5在機器人從未見過的灣區30個家庭中進行了測試，沒有在這些家庭中收集數據，也沒有針對特定環境進行微調。類人機器人被要求整理客廳、摺疊毛巾和鋪牀--這些任務需要導航、感知、操縱和全身協調。

驚人的結果來自Figure的指數預訓練。據該公司稱，從頭開始訓練的其他相同模型僅在9%的盲零射擊試驗中成功，而Index預訓練的版本達到了56%。圖表顯示，唯一的實驗差異是Index預訓練，架構、優化、下游數據和評估保持不變。

「零射擊」並不意味着機器人在未經訓練的情況下學習了這些任務。相反，用於測試的房屋和物品對於該模型來説是新的。結果表明，機器人可以將人類經驗中的知識攜帶到它從未遇到過的環境中。

另請閲讀：獨家報道：最大的機器人問題不是人工智能。是國王

這讓特斯拉公司（納斯達克股票代碼：TSLA）的Optimus戰略成為一個有趣的焦點。

特斯拉表示，它正在利用其在現實世界人工智能數據方面的優勢來推進其通用自主人形機器人Optimus。其更廣泛的人工智能戰略是圍繞在數十億個現實世界數據示例上訓練神經網絡而構建的。

因此，特斯拉從其車隊和人工智能基礎設施中擁有潛在的顯着數據優勢。但Figure正在從不同的方向攻擊同樣的概括問題：專門收集人類行為，以教導機器人人們如何導航和操縱物理世界。

Figure表示，其Index數據集現在每秒產生大約35分鍾的新人類體驗。它還通過與Nscale的合作承諾投入35億美元的計算來培訓Helix。

這使得競爭性問題不再是哪個人形機器人在受控演示中看起來最有能力，而是更多地是哪家公司可以建立更好的身體智能訓練循環。

圖中56%的結果值得注意，但這並不意味着人形機器人問題已經解決。超過十分之四的試驗仍然失敗，評估涵蓋了三種家庭行為。

對於特斯拉投資者來説，更重要的問題是該公司是否能夠將其現實世界的人工智能數據優勢轉化為圖中所展示的那種概括。

隨着兩家公司的規模擴大，這是值得關注的指標：不僅是Optimus或Figure是否能夠完成任務，還包括每個新的訓練數據是否使機器人能夠處理它以前從未見過的環境。大規模解決這個問題的公司可以讓人形機器人更接近大規模部署。

另請閲讀：類人機器人可以在五年內與人類匹敵

圖片來自IM Imagery/Shutterstock