/nginx/o/2024/10/18/16426805t1hbc77.png)
:format(webp)/nginx/o/2025/06/17/16930806t1hb16c.jpg)
Veebruaris avaldas Figure AI lühikese video, kus nende humanoidrobot Figure 02 tegutses laos ettevaatlikult: ta tõstis plastikkotte ja -karpe konveierilt ning asetas need kõrvale. Minutine klipp tõestas, et robot suudab esemeid näha, haarata ja pöörata, kuid selle töötempo – ligikaudu viis sekundit ühe eseme kohta – jättis pigem mulje hoolikast praktikandist kui töövalmis kaastöötajast. Neli kuud hiljem avaldas ettevõte sama ülesande täitmisest täiesti teistsuguse klipi.
Juuni alguses avaldatud töötlemata tunnipikkune video näitab, kuidas üksainus Figure 02 robot töötab järjepanu, sorteerides ja skaneerides pidevalt saabuvat pakivoogu. Ettevõtte kodulehel avaldatud värskenduse järgi suudab Helixi-nimeline visuomotoorne süsteem nüüd töödelda igat pakki keskmiselt 4,05 sekundiga – see tähendab 20-protsendilist kiiruse kasvu, seda hoolimata ülesande keerukuse suurenemisest.
Kuidas Helix arenguhüppe tegi
Figure omistab selle arengu nii suuremale andmemahule kui ka sügavamale närvivõrgumudelile. Õppedemonstratsioonide maht kasvas kümnelt tunnilt kuuekümneni, andes Helixile palju rohkem näiteid reaalsetest eksimustest, ebamugavatest vormidest ja valgustingimuste eripäradest. Lisaks mahu kasvule lisasid insenerid süsteemi lühimälu ja jõutunnetuse moodulid. Visuaalne lühimälu võimaldab võrgul meelde jätta hetk varem nähtud vöötkoodi osalise kujutise ning planeerida pöörde selle täielikuks paljastamiseks. Jõusignaal toimib kompimismeelena, mis võimaldab õrnemaid haaramisi ja kiiremaid lahtilaskmisi. Need kohandused tasuvad end eriti ära pehmemate pakkide puhul.
Lisaks tavalistele pappkastidele sisaldas uus katseseeria nüüd ka deformeeruvaid kilepakke ja lamedaid polsterdatud ümbrikke, mis haarde ajal painduvad, kortsuvad või voltuvad. Helix võimaldab humanoidil muuta oma strateegiat lennult: see napsab õhukesi ümbrikke, pöörab pehmeid kotte nipsuga ja silub mullikilet, et kortsunud silt saaks korralikult skaneeritud. Tulemuseks on korrektse vöötkoodiasendiga esemete osakaalu kasv umbes 70 protsendilt 95 protsendini – samal ajal, kui läbilaskevõime mitte ei lange, vaid suureneb.
Pilk tuleviku autonoomiasse
Väikeste pakkide logistikas esineb kiiresti muutuvaid olukordi, mis soosivad otsast lõpuni õppivat süsteemi, ja Figure’i viimane uuendus näitab, et see lähenemisviis areneb jõudsalt. Ettevõtte kontrollitud hindamises vastasid Helixi kiiruse ja täpsuse parandused otseselt lisatud õppeandmetele ja uutele arhitektuuriplokkidele – andes märku, et edasised arengud nõuavad vaid rohkem andmeid, täpsemat mälu ja paremat kompimismeelt. Eriti huvipakkuv on see, et samad õppimismassiivid võivad üldistuda ka uutesse olukordadesse. Vaid mõne lisatud näite põhjal õppis robot väidetavalt ära tundma inimese välja sirutatud kätt signaalina paki üleandmiseks – ilma spetsiaalse üleandmisjuhendita. See minimaalne ümberõppimise vajadus viitab tulevikule, kus üksainus õppimistsükkel suudab katta kümneid laotöid – alates komplekteerimisest kuni kaubaaluste ladustamiseni. Praegu jääb see demonstratsioon siiski verstapostiks, mitte veel laialdaseks levinud tavaks.
Kuid suund on selge. Figure – koos konkurentidega, nagu Tesla Optimus, Agility Digit, Apptronik Apollo ja Unitree – usub, et andmemahu suurendamine ja neuraalvõrgu järjepidev arendamine aitavad ületada viimase lõhe ettevaatliku prototüübi ja tubli töölooma vahel. Kui tund aega katkestusteta sorteerimist suudab juba läheneda inimliku osavuse tasemele, siis järgmised versioonid võivad selle ajakava venitada terve vahetuseni – ja sealt edasi terve laomeeskonnani. Iga kiiruse, tundlikkuse ja mälu parandus kaotab järjekordse korduva ülesande inimese jaoks, kuni humanoidrobotid ei ole enam haruldased külalised, vaid osa meeskonnast.
Allikas: interestingengineering.com