Figur AI:s robotiska AI-system "Helix" för humanoida robotar – en Vision-Language-Action (VLA)-modell

Sammanfattning: Syn, språk, rörelse: Helix som en milstolpe inom robotik

Helix är ett innovativt AI-system för humanoida robotar utvecklat av Figure AI. Det är en Vision-Language-Action (VLA)-modell som kombinerar visuell perception, talförståelse och exakt motorisk styrning i ett enda system. Helix markerar ett betydande framsteg i utvecklingen av flexibla robotsystem för ostrukturerade miljöer som hem. Med sin förmåga att utföra komplexa uppgifter utan föregående träning skulle det kunna revolutionera interaktionen mellan människa och maskin.

Relaterat till detta:

• Röststyrda robotar: Helix av Figure AI förändrar allt! Industri, hushåll, framtid – förstå, lär dig, genomför i realtid

Helix förmågor

• Realtidskontroll av hela överkroppen på humanoida robotar, inklusive 35 rörelseaxlar
• Bearbetning av röstinmatning och visuell information för att utföra komplexa uppgifter
• Igenkänning och hantering av okända objekt utan specifik träning
• Samarbete mellan flera robotar i utförandet av uppgifter
• Utföra hushållssysslor som att fylla kylskåpet

Tekniska detaljer

Består av två huvudkomponenter:

1. En multimodal språkmodell med 7 miljarder parametrar (7–9 Hz)
2. En rörelse-AI med 80 miljoner parametrar (200 Hz)

• Utbildad med endast 500 timmars handledd utbildning
• Körs på energieffektiva inbyggda GPU:er

Största konkurrenterna

1. Google DeepMind: Utveckla liknande VLA-modeller som RT-2
2. Meta: Arbetar på avancerade humanoida robotar
3. Apple: Även med i kapplöpningen om att utveckla avancerade AI-humanoider
4. OpenAI: Tidigare partner till Figure AI, nu en konkurrent inom AI-utveckling

Google DeepMind

Google DeepMind har presenterat RT-2 (Robotics Transformer 2), en banbrytande modell för vision-språk-handling (VLA). RT-2 gör det möjligt för robotar att utföra nya uppgifter utan specifik träning genom att lära sig koncept från text- och bilddata på internet och översätta dem till robothandlingar. I tester visade RT-2 betydligt förbättrad prestanda på nya uppgifter jämfört med sin föregångare, RT-1.

Relaterat till detta:

• Google Project Mariner: Experimentell AI-agent som webbläsartillägg – Autonom webbnavigering med DeepMind-teknik

Meta

Meta investerar kraftigt i utvecklingen av AI-drivna humanoida robotar. Företaget har etablerat ett nytt team inom sin Reality Labs-division, fokuserat på forskning och utveckling av robotar för konsumenter. Meta planerar att utveckla AI-system, sensorer och mjukvaruplattformar som även kan användas av andra tillverkare.

Äpple

Apple utforskar även både humanoida och icke-humanoida robotdesigner. Företaget är dock fortfarande i ett tidigt utvecklingsstadium. Analytikern Ming-Chi Kuo förutspår att massproduktion inte är möjlig förrän tidigast 2028. Apple fokuserar särskilt på interaktion mellan människa och robot.

Relaterat till detta:

• Gripas Apple av robotfeber? Jobbannonser avslöjar Apples robotoffensiv: Attackerar teknikjätten nu marknaden för hushållsapparater?

Öppen AI

OpenAI, en tidigare partner till Figure AI, bygger upp sin egen robotavdelning och fokuserar på robotar som förkroppsligandet av artificiell intelligens i den verkliga världen. Företaget konkurrerar nu direkt med Google DeepMind och andra inom AI-utveckling för robotik.

Xpert.Digital besitter djupgående kunskap inom olika branscher. Detta gör det möjligt för oss att utveckla skräddarsydda strategier som är exakt anpassade till kraven och utmaningarna inom just ditt marknadssegment. Genom att kontinuerligt analysera marknadstrender och övervaka branschutvecklingen kan vi agera proaktivt och erbjuda innovativa lösningar. Kombinationen av erfarenhet och expertis genererar mervärde och ger våra kunder en avgörande konkurrensfördel.

Mer information här:

• Dra nytta av Xpert.Digitals 5 expertområden i ett paket – från endast 500 €/månad

Innovativ VLA-modell: Helix kombinerar perception, språk och rörelse

Figure AI:s nyliga lansering av Helix markerar ett betydande framsteg inom robotik-AI-landskapet. Denna innovativa Vision-Language-Action (VLA)-modell skiljer sig från befintliga system genom flera banbrytande funktioner och sätter nya standarder för att styra humanoida robotar. Helix integrerar visuell perception, talförståelse och exakt rörelsekontroll i ett enda system som är specifikt utformat för att möta utmaningarna med fysisk robotik.

Unik arkitektur med dubbla system

Den kanske viktigaste skillnaden mellan Helix och andra AI-system för robotar ligger i dess innovativa tvåkomponentsarkitektur. Denna dubbla systemstruktur löser ett grundläggande problem inom robotteknikens AI.

System 1 och System 2: En kompletterande intelligens

Till skillnad från konventionella metoder använder Helix två kompletterande system som tillsammans uppnår en unik balans mellan universalitet och hastighet. System 2 (S2) är en multimodal språkmodell med 7 miljarder parametrar, som arbetar med en frekvens på 7–9 Hz, och fungerar som robotens analytiska "hjärna". Den bearbetar visuell data och röstkommandon, tolkar omgivningen och bestämmer vilka åtgärder som ska utföras.

Detta kompletteras av System 1 (S1), en snabb, reaktiv visuomotorisk styrenhet med 80 miljoner parametrar. Denna komponent översätter den semantiska informationen från S2 till exakta, kontinuerliga robotåtgärder med en imponerande frekvens på 200 Hz. Figur AI förklarar att tidigare metoder misslyckades på grund av antingen bristande universalitet eller hastighet: "Att använda VLM (Visual Large Language Model) är universellt men inte snabbt, och att använda visuella rörelsestrategier för robotar är snabbt men inte universellt." Helix övervinner denna dikotomi genom sin dubbla struktur.

Denna arkitektur skiljer sig fundamentalt från andra välkända VLA-modeller som Google DeepMinds RT-2, som också kombinerar visuell data och röstkommandon, men saknar en jämförbar uppdelning i två delar.

Relaterat till detta:

• Googles Gemini-plattform med Google AI Studio, Google Deep Research med Gemini Advanced och Google DeepMind

Omfattande kontrollfunktioner

Kontroll över 35 frihetsgrader

En annan utmärkande egenskap hos Helix är dess förmåga att koordinera 35 frihetsgrader samtidigt. Denna omfattande kontroll möjliggör exakt och snabb manipulation av hela den humanoida överkroppen, inklusive handleder, torso, huvud och individuella fingrar. Denna kontrollförmåga överträffar de flesta befintliga system och möjliggör komplexa manipulationsuppgifter som kräver en hög grad av finmotorik.

Objektgeneralisering och inlärning

Universell objektigenkänning utan specifik träning

En viktig egenskap hos Helix är dess förmåga att känna igen och hantera praktiskt taget alla små hushållsföremål utan föregående utbildning i dess specifika egenskaper. Denna breda generaliserbarhet gör att systemet kan hantera tusentals objekt med varierande former, storlekar, färger och materialegenskaper.

Till skillnad från många andra AI-robotsystem som behöver omprogrammeras eller omtränas för varje ny uppgift eller objekttyp, kan Helix anpassa sig till olika situationer och svara på kommandon i naturligt språk. Detta representerar ett paradigmskifte, eftersom systemet använder ett enda neuralt nätverk för att lära sig alla beteenden – som att plocka upp och sätta ner föremål, använda lådor och kylskåp och interagera med andra robotar – utan uppgiftsspecifik finjustering.

Koordinering med flera robotar

Unika samarbetsförmågor

Helix är den första VLA-modellen som kan styra två robotar samtidigt och göra det möjligt för dem att samarbeta. Denna förmåga gör det möjligt för robotarna att gemensamt lösa komplexa uppgifter som involverar att passera föremål och koordinera sina rörelser. Särskilt anmärkningsvärd är den nästan människoliknande kommunikationen mellan robotarna genom huvudnickningar och ögonkontakt.

Denna form av samordning representerar ett betydande framsteg jämfört med konventionella system, där varje robot vanligtvis styrs individuellt eller kräver specifik träning för specifika roller. Med Helix använder båda robotarna samma modellvikter utan behov av individuella justeringar.

Utbildningseffektivitet och implementering

Minimala träningskrav, maximal prestanda

En annan viktig skillnad ligger i den anmärkningsvärda effektiviteten i träningsprocessen. Helix utvecklades med endast 500 timmar högkvalitativ, teleopererad träningsdata, betydligt mindre än jämförbara metoder som ofta kräver tusentals timmar av specifika demonstrationer. Denna effektivitet understryker inte bara systemets tekniska sofistikering utan också dess ekonomiska lönsamhet för kommersiella tillämpningar.

Inbyggd-kompatibel bearbetning

Till skillnad från många robotbaserade AI-system som förlitar sig på kraftfulla externa servrar, körs Helix helt på inbyggda, energieffektiva GPU:er i robotarna. Denna inbyggda bearbetning eliminerar behovet av en konstant anslutning till externa datorresurser, vilket gör roboten mer autonom och flexibel i olika miljöer.

Strategisk differentiering

Vertikal integration istället för generiska AI-modeller

Figure AI har strategiskt differentierat sig från andra företag genom att avsluta sitt samarbete med OpenAI och sträva efter en vertikalt integrerad strategi där man utvecklar både hårdvara och mjukvara internt. VD Brett Adcock förklarade att generiska AI-modeller är otillräckliga för att möta kraven för förkroppsligad AI – det vill säga AI i fysiska robotar. Detta beslut understryker företagets strategi att utveckla skräddarsydda lösningar för robotikens specifika utmaningar, snarare än att förlita sig på generella AI-modeller.

Applikationsorientering

Fokus på hushållsbruk

Medan många aktörer i branschen för närvarande fokuserar på industriella eller arbetsplatsbaserade robotapplikationer, använder Figure AI ett strategiskt överraskande tillvägagångssätt med Helix, med fokus på hushållsrobotik. Robotarnas förmåga att utföra vardagliga uppgifter som att sortera matvaror, fylla kylskåpet eller hantera en mängd olika hushållsartiklar riktar sig mot en marknad som andra aktörer ofta anser vara för komplex att komma in på.

Koordinering mellan flera robotar: Nyckeln till nästa generations robotteknik

Helix utmärker sig från andra AI-robotsystem tack vare sin dubbla systemarkitektur, omfattande kontrollfunktioner, anmärkningsvärda generaliseringsförmåga och koordinering mellan flera robotar. Med sin effektiva träningsprocess, inbyggda bearbetning och strategiska fokus på hushållsapplikationer representerar det ett betydande framsteg i utvecklingen av humanoida robotar. Medan andra system, som Google DeepMinds RT-2, använder liknande metoder för att kombinera visuell data och röstkommandon, erbjuder Helix differentierande fördelar genom sin unika arkitektur och integrerade utvecklingsmetod, vilket gör det till en pionjär inom nästa generations AI-drivna robotar.

☑️ Stöd till små och medelstora företag inom strategi, konsultation, planering och implementering

☑️ Skapande eller omstrukturering av den digitala strategin och digitaliseringen

☑️ Utökning och optimering av internationella säljprocesser

☑️ Globala och digitala B2B-handelsplattformar

☑️ Pionjär inom affärsutveckling

 

Jag skulle gärna fungera som din personliga rådgivare.

Du kan kontakta mig genom att fylla i kontaktformuläret nedan eller helt enkelt ringa mig på +49 7348 4088 965 .

Jag ser fram emot vårt gemensamma projekt.

 

 

Xpert.Digital är ett nav för industrin med fokus på digitalisering, maskinteknik, logistik/intralogistik och solceller.

Med vår 360° affärsutvecklingslösning stödjer vi välrenommerade företag från nya affärer till eftermarknadsförsäljning.

Marknadsinformation, smarketing, marknadsautomation, innehållsutveckling, PR, utskick, personliga sociala medier och lead nurturing är en del av våra digitala verktyg.

Du hittar mer information på: www.xpert.digital - www.xpert.solar - www.xpert.plus