A Helix egy újfajta mesterségesintelligencia-modell, amely megváltoztathatja a humanoid robotok működését. A Vision-Language-Action (VLA) rendszer egyesíti a látás, a nyelvi megértés és a mozgásvezérlés képességeit, lehetővé téve, hogy a robotok természetes nyelvi utasítások alapján hajtsanak végre komplex feladatokat. A technológia egyik legnagyobb áttörése, hogy egyetlen neurális hálózat kezeli a teljes felsőtest mozgását, beleértve a csuklót, a fejet, a törzset és még az ujjakat is.
A Helix megmutatta, hogy képes két humanoid robotot egyidejűleg irányítani, amelyek együttműködve tudnak végrehajtani olyan hosszú távú manipulációs feladatokat, amelyekhez korábban jelentős emberi beavatkozásra lett volna szükség. A rendszer különlegessége, hogy olyan tárgyakkal is képes dolgozni, amelyeket soha nem látott korábban, és ehhez mindössze egy egyszerű nyelvi utasítás elegendő. Az a tény, hogy egyetlen neurális hálózat kezeli az összes mozgásformát, nagy előrelépés a hagyományos modellekhez képest, ahol minden egyes feladathoz külön tanítási fázisra és finomhangolásra volt szükség.
Érzékelés és reakció
A Helix működésének alapját egy kétkomponensű rendszer adja, amelyben az egyik rész felel a magas szintű gondolkodásért, míg a másik a valós idejű mozgásirányításért. Az első komponens egy nagy teljesítményű látás-nyelvi modell, amely folyamatosan elemzi a környezetet, értelmezi a tárgyakat és kontextusokat, és természetes nyelvi parancsokat fordít át robotikai célokká. A második komponens pedig egy gyors és precíz mozgásvezérlő rendszer, amely képes másodpercenként kétszázszor finomhangolni a robot mozgását, így valós időben reagál a környezet változásaira. Ez a megoldás egyensúlyt teremt a lassú, stratégiai gondolkodás és a gyors, reaktív mozgásirányítás között, amely elengedhetetlen egy olyan összetett rendszer számára, mint egy humanoid robot.
A Helix egyik leglenyűgözőbb képessége, hogy képes különböző robotok együttműködését koordinálni. A fejlesztés során olyan helyzeteket teszteltek, ahol két, Figure humanoid robot közösen tárolt el teljesen ismeretlen élelmiszereket egy szekrénybe. Az egyik robot felismerte az adott tárgyat és átadta a másiknak, amely pedig a megfelelő helyre helyezte azt. Mindeközben egyik robot sem rendelkezett előzetes információval az adott tárgyról vagy annak mozgatásáról. Ez a fajta spontán alkalmazkodóképesség korábban elképzelhetetlen lett volna robotikai rendszereknél.
A rendszer másik forradalmi képessége, hogy bármilyen háztartási tárgyat képes megfogni és mozgatni anélkül, hogy ehhez külön tanítási fázisra lenne szükség. Ha a robot azt a parancsot kapja, hogy vegyen fel egy adott tárgyat, például egy játék kaktuszt, akkor nemcsak felismeri, hogy ez az adott objektum illeszkedik a „sivatagi tárgy” kategóriába, hanem azt is tudja, hogyan fogja meg biztonságosan. Ez a fajta nyelvi és vizuális megértés egy olyan lépés a humanoid robotika fejlődésében, amely a jövőben lehetővé teheti a robotok alkalmazását háztartási vagy ipari környezetben anélkül, hogy minden egyes helyzetre előre kellene programozni őket.
500 órányi képzés
A fejlesztők szerint a Helix az első olyan modell, amely képes teljes felsőtest-mozgást irányítani természetes nyelvi parancsok alapján. A rendszer nem igényel különböző feladatokra optimalizált modelleket vagy finomhangolást, hanem egyetlen, univerzális neurális hálózattal képes kezelni a különböző helyzeteket. A tanítási folyamata is sokkal hatékonyabb a korábbi rendszerekhez képest, mivel kevesebb mint 500 órányi adathalmazon tanították be, ami lényegesen kisebb, mint a hagyományos robotikai rendszereknél alkalmazott tanítási mennyiség.
A Helix technológiája megnyitja az utat a humanoid robotok szélesebb körű felhasználása felé. Azok a rendszerek, amelyek eddig csak korlátozott környezetben tudtak működni, most egyre inkább képesek lehetnek otthoni vagy ipari feladatok elvégzésére. A fejlesztők célja, hogy a rendszert ezerszeresére skálázzák, így a jövőben olyan humanoid robotokat hozhatnak létre, amelyek valóban képesek lesznek alkalmazkodni a változó környezethez, és önállóan végezhetnek összetett feladatokat.
