W 30 mieszkaniach w Zatoce San Francisco, Figure 03 wchodzi, porządkuje salon, składa ręczniki i nakłada pościel, bez ponownego trenowania dla tych adresów. Tylko robot, drzwi zamykające się za nim i cisza wnętrza, którego jeszcze nie zna. Tam zaczyna się doświadczenie. Nie w sterylnym laboratorium, ale w prawdziwych domach, gdzie poduszki są źle ustawione, a prześcieradła pognieciona. (Diario ABC, Numerama)

Robot wykonał trzy konkretne zadania: porządkowanie salonu, składanie ręczników (lub stroi kąpielowych) i nakładanie pościeli. (Diario ABC, Numerama) To nie są skomplikowane gesty dla człowieka. Dla maszyny to góra. Trzeba zrozumieć przestrzeń, przewidywać zachowanie tkaniny, regulować nacisk. I przede wszystkim, trzeba to zrobić, nigdy wcześniej nie widząc tego konkretnego pokoju. To jest zakład Figure. Firma przetestowała swojego robota humanoidalnego Figure 03 w 30 nieznanych mieszkaniach, bez wstępnego, specyficznego dla tych miejsc ponownego trenowania. (Diario ABC, Numerama) Cel? Udowodnić, że maszyna może dostosować się do nieznanych warunków, a nie tylko powtarzać wyuczony na pamięć skrypt.

Robot widział, działał

Jak to robi? Model Helix 2.5 został wstępnie wytrenowany na Index, ogromnej bazie wideo zachowań ludzkich. (Diario ABC, Numerama) Robot „widział” wszystko to. Nauczył się obserwować gesty, zanim je wykona. Według Figure, wcześniejsze modele robotów wymagały map dla każdego pokoju, w przeciwieństwie do nowego systemu, który uczy się miejsc, w których pracuje, po jednym. (Diario ABC) Koniec z sztywnymi planami 3D. Robot czyta środowisko na bieżąco. Wchodzi, obserwuje, działa. To radykalnie inne podejście. Zakłada bardziej płynną, mniej kodową, bardziej intuicyjną inteligencję. Ale czy to naprawdę jest inteligencja? Czy tylko bardzo dobra imitacja?

Gdy popełniał błąd w manipulacji kołdrą, robot cofał się, zmieniał pozycję lub przemieszczał się wokół materaca, aby poprawić zagniecenie. (Diario ABC) Ten detal jest kluczowy. Klasyczna maszyna zatrzymuje się lub wymusza działanie. Ta się dostosowuje. Cofa się. Szuka innego kąta. To znak pewnej odporności. Ale to też znak kruchości. Bo za tą pozorną płynnością kryje się wskaźnik skuteczności, który budzi wątpliwości. Robot zakończył sukcesem około 56% prób podczas tego testu w warunkach rzeczywistych. W laboratorium to jest liczba. W Twoim salonie to jest leżąca kołdra, łóżko do przełożenia, ręcznik, który pozostaje pognieciony. Czy zaakceptowałbyś to u siebie?

3,5 miliarda dolarów obliczeń, 4 godziny wideo: wyczyn ma swoją cenę

Aby osiągnąć te 56%, Figure włożyło środki. Kalifornijska firma zainwestowała 3,5 miliarda dolarów (prawie 3,05 miliarda euro) w zasoby obliczeniowe do trenowania Helix. (Diario ABC) To jest kolosalna suma. Przekracza budżety wielu całych startupów technologicznych. Dlaczego tak dużo? Ponieważ trenowanie jest żarłoczne. Według Figure, Index generuje obecnie około 35 minut nowego doświadczenia ludzkiego co sekundę. To jest stały strumień danych. A aby pilotować ten system, trzeba było zaprezentować 17 września 2026 Helix 2.5, sieć neuronową, która steruje jego robotem humanoidalnym Figure 03. (Numerama) To jest mózg bestii. Mózg, który kosztuje miliardy.

Brett Adcock, szef Figure, opublikował prawie cztery godziny obrazów pokazujących robota w działaniu w 30 domach. (Numerama) Cztery godziny. To jest długo. To też jest czas potrzebny, aby zobaczyć sukcesy, ale przede wszystkim wahania. Pokazują one rzeczywistość terenu. A ta rzeczywistość jest bardziej zniuansowana niż marketingowe ogłoszenia. Robot nie jest magiczny. Jest potężny, tak. Ale jest też ograniczony. Pomyli się. Będzie wątpił. Będzie poprawiał. I może właśnie tam zaczyna się prawdziwe pytanie: czy jesteśmy gotowi żyć z maszyną, która pomyli się tak często, jak się uda?

56%, naprawdę? A co, jeśli Twój salon będzie następnym nieznany?

Model robota startujący od zera, bez wstępnego trenowania na Index, zakończyłby sukcesem tylko 9% prób przy identycznych danych zadania. (Numerama) To jest liczba, która uderza. 9%. Bez masowego trenowania, robot jest prawie ślepy. Z nim, wzrasta do 56%. Różnica jest ogromna. Udowadnia, że wstępne trenowanie jest vitalne. Tony Zhao, współzałożyciel Sunday Robotics, podważył wskaźnik skuteczności 56% dla ukończenia zadania, jak raportuje chiński medium Sina Finance. (Diario ABC) Dlaczego? Ponieważ „ukończenie zadania” jest rozmytą definicją. Złożył ręcznik? Tak. Ale czy jest czysty? Czy jest poskładany? Czy robot ukończył pracę, czy tylko ją zaczął? To niuans zmienia wszystko. Dla człowieka niedoskonałe zagniecenie jest akceptowalne. Dla robota to jest błąd. Dla Ciebie to może być frustracja.

A co, jeśli jutro ten robot wejdzie do Twojego domu? Nie w teście. Nie w próbie. U Ciebie. W Twoim salonie, z Twoimi poduszkami, Twoimi książkami, Twoimi przedmiotami. Nie zna Cię. Nie zna Twojej rutyny. Nie wie, że nienawidzisz pogniecionych prześcieradeł lub że składasz ręczniki w konkretnym porządku. Wie tylko, jak składać. Wie tylko, jak porządkować. I robi to ze skutecznością 56%. Reszta to Ty. Ty, który poprawiasz. Ty, który zaczynasz od nowa. Ty, który patrzysz, jak maszyna pracuje, a potem Ty kończysz pracę. Czy to Cię przeraża? Czy to Cię inspiruje?

Wyobraź sobie poranek. Wracasz. Robot pracował, gdy Ty byłeś w pracy. Salon jest posprzątany. Łóżka są przełożone. Ale jest ręcznik, który wystaje. Poduszka, która jest przekrzywiona. Uśmiechasz się. Poprawiasz. To jest koniec wysiłku? Czy początek nowej zależności? Robot nie jest doskonały. Może nigdy nie będzie doskonały. Ale jest tam. Uczy się. Dostosowuje. I kosztuje miliardy, aby istnieć. Pytanie nie brzmi już „czy to działa?”. Pytanie brzmi: „czy chcesz, żeby to działało u Ciebie?”

W 30 domach udowodnił, że może wejść. Udowodnił, że może działać. Udowodnił, że może się pomylić. Kolejny etap to nie laboratorium. To Twoje drzwi. A gdy się otworzą, kto będzie tam, aby dokończyć pracę?