Δύο ανθρωποειδή ρομπότ εξοπλισμένα με το σύστημα Helix-02 της Figure AI κατάφεραν να τακτοποιήσουν πλήρως ένα υπνοδωμάτιο σε κάτω από 2 λεπτά, πραγματοποιώντας στρώσιμο κρεβατιού, κρέμασμα ρούχων, μάζεμα σκουπιδιών και διευθέτηση αντικειμένων.

Κοινό νευρωνικό δίκτυο

Η επίδειξη ξεχωρίζει όχι μόνο επειδή δύο ρομπότ συνεργάστηκαν, αλλά κυρίως για τον τρόπο: και τα δύο Helix-02 εκτελούν την ίδια, ενιαία πολιτική Vision‑Language‑Action (VLA), ένα σύστημα που μαθαίνει απευθείας από εικόνες και μεταφράζει ό,τι «βλέπει» σε κίνηση σε πραγματικό χρόνο.

Δεν υπάρχει κοινός σχεδιαστής μεταξύ τους, δεν ανταλλάσσουν μηνύματα και δεν υπάρχει κεντρικός συντονιστής. Κάθε ρομπότ παρατηρεί το χώρο μέσα από τις δικές του κάμερες και συμπεραίνει τις προθέσεις του συνεργάτη αποκλειστικά από την κίνησή του — όπως κάνουν δύο άνθρωποι όταν διπλώνουν από κοινού ένα σεντόνι.

Παγκόσμια πρωτιά στην συνεργασία

Σύμφωνα με τη Figure AI, πρόκειται για την πρώτη επίδειξη multi‑humanoid collaborative locomanipulation που βασίζεται σε ένα μόνο νευρωνικό δίκτυο, απευθείας από pixels σε ενέργειες.

Οι δραστηριότητες της επίδειξης

Κατά τη διάρκεια της επίδειξης τα ρομπότ πραγματοποίησαν σειρά αξιοσημείωτων ενεργειών. Άνοιξαν πόρτα με μοχλό, κρατώντας την ισορροπία καθώς η πόρτα άνοιγε προς τα μέσα.

Έσπρωξαν καρέκλα γραφείου κάτω από γραφείο, χρησιμοποιώντας ολόκληρο το σώμα τους για να ελέγξουν την ισορροπία.

Κρέμασαν ρούχο σε κρεμάστρα του δωματίου, διαχειριζόμενα τα μετακινούμενα και παραμορφούμενα κομμάτια ύφασματος που κρύβουν τα σημεία επαφής.

Τοποθέτησαν ακουστικά σε βάση, κάνοντας ενδιάμεσους επαναπροσανατολισμούς στο χέρι για ακριβή τοποθέτηση.

Έκλεισαν ανοιχτό βιβλίο αναλαμβάνοντας τον έλεγχο ενός αντικειμένου με άρθρωση.

Πέταξαν σκουπίδια σε κάδο χρησιμοποιώντας το πόδι για να ανοίξουν το πεντάλ, ενώ εξισορροπούσαν στο άλλο πόδι.

Στρώσανε κρεβάτι από τις δύο πλευρές ταυτόχρονα, διαχειριζόμενα παπλωματοθήκη που αλλάζει σχήμα καθώς το τραβούν.

Γιατί το στρώσιμο είναι δύσκολο

Η συνεργατική διαχείριση παπλωματοθήκης είναι από τα πιο απαιτητικά σενάρια στη ρομποτική: ένα πάπλωμα δεν προσφέρεται για «κανονική» λαβή και η κίνηση από τον ένα συνεργάτη αλλάζει άμεσα το έργο του άλλου.

Κάθε ρομπότ πρέπει να δεσμευτεί σε ένα σημείο επαφής και ταυτόχρονα να προβλέπει τι θα κάνει ο άλλος, αναπροσαρμόζοντας αυτές τις προβλέψεις δεκάδες φορές το δευτερόλεπτο. Η Figure AI αναφέρει ότι σε ολόκληρη την ακολουθία το Helix-02 λαμβάνει χιλιάδες σωστές διαδοχικές αποφάσεις σε μια σκηνή που μεταβάλλεται συνεχώς.

Ίδια πολιτική — νέες δεξιότητες

Ένα από τα κρίσιμα στοιχεία της προσέγγισης της Figure AI είναι ότι δεν χρειάστηκε να τροποποιηθεί ο βασικός αλγόριθμος. Η ίδια πολιτική που είχε εκπαιδευτεί για εργασίες logistics, δίπλωμα ρούχων, καθαρισμό κουζίνας και τακτοποίηση σαλονιού εφάρμοσε τώρα και τη συνεργατική τακτοποίηση υπνοδωματίου.

Οι νέες ικανότητες προέκυψαν απλώς με την προσθήκη νέων δεδομένων εκπαίδευσης στο σύστημα.

Η άποψή μας στο Techblog

Η επίδειξη υποδηλώνει ότι η απόσταση μέχρι τα πρακτικά οικιακά ρομπότ δεν είναι τόσο μεγάλη όσο φαινόταν πριν λίγα χρόνια. Αν δύο ρομπότ μπορούν να στρώσουν κρεβάτι χωρίς να «μιλάνε» μεταξύ τους, η επόμενη γενιά οικιακής ρομποτικής δεν θα μοιάζει με επιστημονική φαντασία.

Για τον καθημερινό χρήστη, το ερώτημα πλέον είναι πότε — και όχι αν — τέτοια συστήματα θα βρεθούν στα σπίτια μας.