Le fondateur et PDG de Figure, Brett Adcock, a dévoilé jeudi un nouveau modèle d’apprentissage machine pour les robots humanoïdes. L’annonce, qui arrive deux semaines après que Adcock a annoncé la décision de l’entreprise de robotique de la Bay Area de se retirer d’une collaboration avec OpenAI, est centrée autour de Helix, un modèle Vision-Language-Action (VLA) “généraliste”. Les VLA sont un nouveau phénomène pour la robotique, exploitant la vision et les commandes langagières pour traiter l’information. Actuellement, l’exemple le plus connu de la catégorie est le RT-2 de Google DeepMind, qui forme des robots grâce à une combinaison de vidéos et de grands modèles de langage (LLM). Helix fonctionne de manière similaire, combinant des données visuelles et des invites langagières pour contrôler un robot en temps réel. Figure écrit : “Helix affiche une forte généralisation d’objet, étant capable de ramasser des milliers de nouveaux objets ménagers aux formes, tailles, couleurs et propriétés de matériaux variés jamais rencontrés auparavant dans l’entraînement, simplement en demandant en langage naturel.”
Dans un monde idéal, vous pourriez simplement dire à un robot de faire quelque chose et il le ferait. C’est là que Helix intervient, selon Figure. La plateforme est conçue pour combler le fossé entre le traitement de la vision et du langage. Après avoir reçu une invite vocale en langage naturel, le robot évalue visuellement son environnement puis effectue la tâche. Figure donne des exemples comme “donnez le sac de cookies au robot sur votre droite” ou “recevez le sac de cookies du robot sur votre gauche et placez-le dans le tiroir ouvert”. Ces deux exemples impliquent une paire de robots travaillant ensemble. C’est parce que Helix est conçu pour contrôler deux robots à la fois, l’un aidant l’autre à effectuer diverses tâches ménagères.
Figure se concentre désormais sur l’environnement domestique, ce qui représente un nouveau défi complexe pour le testing de ces modèles d’entraînement.
Figure met en valeur le VLM en mettant en évidence le travail que l’entreprise a réalisé avec son robot humanoïde 02 dans l’environnement domestique. Les maisons sont notoirement difficiles pour les robots, car elles manquent de la structure et de la cohérence des entrepôts et des usines. La difficulté d’apprentissage et de contrôle sont des obstacles majeurs entre les systèmes de robots complexes et la maison. Ces problèmes, ainsi que les étiquettes de prix à cinq ou six chiffres, sont la raison pour laquelle le robot domestique n’a pas pris la préséance pour la plupart des entreprises de robotique humanoïde. En règle générale, l’approche est de construire des robots pour les clients industriels, améliorant à la fois la fiabilité et réduisant les coûts avant de s’attaquer aux logements.
Lorsque TechCrunch a visité les bureaux de la baie de Figure en 2024, Adcock a montré certaines des étapes que son humanoïde traversait dans le cadre domestique. Il semblait à l’époque que le travail n’était pas priorisé, car Figure se concentre sur les pilotes en milieu de travail avec des sociétés comme BMW.
Avec l’annonce de Helix jeudi, Figure souligne clairement que la maison devrait être une priorité en soi. C’est un cadre de test difficile et complexe pour ces types de modèles d’entraînement. Enseigner des tâches complexes à des robots dans la cuisine – par exemple – les expose à un large éventail d’actions dans différents environnements. “Pour que les robots soient utiles dans les ménages, ils devront être capables de générer de nouveaux comportements intelligents sur demande, notamment pour des objets qu’ils n’ont jamais vus auparavant”, explique Figure. “Enseigner à un robot un seul nouveau comportement nécessite actuellement des efforts humains considérables : soit des heures de programmation manuelle au niveau d’un doctorat, soit des milliers de démonstrations”.
