Ein humanoider Roboter betritt eine Wohnung, die er noch nie gesehen hat, bewegt sich durch ein enges Schlafzimmer und beginnt, das Bett zu machen. Das ist das aufmerksamkeitsstarke Bild hinter Figures Helix-2.5-Demonstration. Die wichtigere Geschichte spielte sich jedoch ab, bevor der Roboter den Raum betrat: Er hatte allgemeine Muster menschlicher Tätigkeiten aus Videos gelernt und dieses Wissen anschließend in physische Handlungen übertragen.

Figure gibt an, das neue Modell in 30 zuvor unbekannten Wohnungen in der San Francisco Bay Area getestet zu haben. Der Roboter sollte Wohnzimmer aufräumen, Handtücher falten und Betten machen, ohne dass zuvor Trainingsdaten in diesen Wohnungen gesammelt wurden. In der Gesamtauswertung erreichte eine mit dem Index-Vortraining initialisierte Policy nach Angaben des Unternehmens bei 56 Prozent der Zero-Shot-Versuche einen vollständigen Erfolg. Ein vergleichbares, von Grund auf trainiertes Modell kam nur auf 9 Prozent.

Das YouTube-Short, das den Anstoß zu diesem Beitrag gab, konzentriert sich auf den visuell stärksten Teil des Tests: das Bettmachen. Es berichtet von einem Erfolg bei ungefähr zwei von drei Versuchen, während das Aufräumen des Wohnzimmers deutlich unzuverlässiger blieb. Diese aufgabenbezogenen Zahlen fassen eine Demonstration des Herstellers zusammen; sie stammen nicht aus einer unabhängigen Laborreplikation. Genau diese Unterscheidung ist wichtig: Das Ergebnis ist bemerkenswert, belegt aber noch keinen alltagstauglichen Haushaltsroboter.

In diesem Artikel

Warum ein unbekanntes Schlafzimmer ein ernsthafter Robotiktest ist

Ein Bett zu machen klingt einfach, weil Menschen die Aufgabe fast automatisch lösen. Für einen Roboter verbindet sie mehrere schwierige Probleme. Er muss verformbaren Stoff erkennen, möglicherweise verdeckte Ecken finden, beide Hände koordinieren, Kontaktkräfte dosieren und seinen gesamten Körper an Möbeln neu positionieren. Eine Bewegung lässt sich nicht einfach wiederholen: Betthöhen, Matratzen, Zimmergrundrisse, Kissen und Bettdecken unterscheiden sich.

Diese Varianz ist der eigentliche Gegenstand des Helix-2.5-Experiments. Viele eindrucksvolle Robotervideos entstehen in sorgfältig vorbereiteten Räumen, häufig nachdem genau dort Trainingsdaten gesammelt wurden. Eine Policy kann in einem vertrauten Aufbau sehr leistungsfähig sein und dennoch scheitern, sobald ein Tisch zehn Zentimeter höher ist oder sich eine Decke anders verhält. Figure verlagerte die Auswertung deshalb in gemietete, bewohnte Wohnungen, die nicht um den Roboter herum eingerichtet waren.

Nach Angaben des Unternehmens wurden weder Daten aus den Testwohnungen noch von den dortigen Gegenständen oder Versuchen genutzt, um das Modell anzupassen oder einen Checkpoint auszuwählen. Die Aufgaben selbst waren allerdings nicht neu: Figure hatte die drei Verhaltensweisen mit aufgabenspezifischen Daten aus anderen Umgebungen feinabgestimmt. „Zero Shot“ bezieht sich hier also auf Räume und manipulierte Objekte – nicht darauf, dass der Roboter eine völlig unbekannte Hausarbeit allein aus einer spontanen Anweisung erfand.

Was Helix 2.5 konkret erledigen musste

Die Auswertung umfasste drei länger andauernde Ganzkörperaufgaben. Beim Aufräumen des Wohnzimmers musste der Roboter sämtliche 13 bis 15 verstreuten Spielsachen aufnehmen und in einen Korb legen. Beim Handtuchfalten musste jedes Handtuch aufgenommen, gefaltet und ebenfalls in einem Korb abgelegt werden. Beim Bettmachen sollten beide Kissen und die Ecken der Bettdecke in den oberen Bereich des Bettes gelangen; außerdem musste die Decke glattgezogen sein.

Für die zentrale Erfolgsquote vergab Figure keine Teilpunkte. Ein fast vollständig aufgeräumtes Zimmer mit einem vergessenen Spielzeug galt weiterhin als Fehlversuch. Auch Zeitüberschreitungen oder ein Eingreifen aus Sicherheitsgründen führten zum Scheitern. Diese strenge Definition macht die 56 Prozent aussagekräftiger als ein reines Highlight-Video. Gleichzeitig zeigt sie die aktuelle Grenze: Rund 44 Prozent der vollständigen Versuche scheiterten selbst nach den Kriterien des Unternehmens.

In den Aufnahmen zeigt der Roboter zudem eine Fähigkeit, die sich schwer in einer einzigen Prozentzahl ausdrücken lässt: Selbstkorrektur. Er tritt zurück, verändert seinen Stand und bewegt sich um ein Bett herum, um eine misslungene Falte zu korrigieren. Lange Haushaltsaufgaben scheitern selten an einem einzigen spektakulären Fehler. Meist summieren sich kleine Fehlstellungen. Ein System, das verlorenen Fortschritt erkennt und seine Körperposition anpasst, ist daher wertvoller als eines, das nur bei perfekt vorbereiteten Startbedingungen eine elegante Bewegung abspielt.

Die eigentliche Wette: Roboter lernen aus menschlichen Videos

Helix 2.5 wurde auf Index vortrainiert, Figures proprietärem Datensatz menschlicher Tätigkeiten. Das Unternehmen berichtet von mehr als 16 Millionen hochgeladenen Videos durch Mitwirkende in über 100 Ländern. Die Aufnahmen zeigen Arbeiten in Wohnungen und Betrieben – darunter Kochen, Reinigen, Wäsche, Einzelhandel und Logistik. Automatische Filter, Betrugsprüfung, Deduplizierung, eine Ausbalancierung der Daten und hierarchische Beschreibungen sollen den Rohdatenstrom für das Training nutzbar machen.

Damit adressiert Figure einen zentralen Engpass der Robotik. Roboterdemonstrationen sind teuer: Für jede Datenstunde werden in der Regel eine Maschine, ein geeigneter Raum, eine Bedienperson und Aufsicht benötigt. Menschliche Videos lassen sich wesentlich leichter sammeln und bilden viel mehr Umgebungsvarianten ab. Ein Modell kann Hunderte Arten sehen, ein Handtuch zu greifen oder sich einem Bett zu nähern, bevor ein Humanoid die Bewegung selbst ausführt.

Videos liefern jedoch keine direkten Motorbefehle, Gelenkwinkel oder verlässlichen Kraftwerte. Außerdem unterscheiden sich menschliche und robotische Körper. Visuelle Erfahrung in sichere Maschinenbewegung zu übersetzen, ist deshalb keine simple Nachahmung. Helix 2.5 ist relevant, weil Figures kontrollierter Vergleich darauf hindeutet, dass breites Vortraining mit menschlichen Videos nützliche physische Grundmuster vermittelt: Bei identischer Architektur, gleichen Aufgabendaten, gleicher Optimierung und Auswertung stieg die Erfolgsquote von 9 auf 56 Prozent.

Figure meldet zudem einen vorhersagbaren Leistungsgewinn mit wachsender Index-Datenmenge. Vier Modelle wurden mit ineinander verschachtelten Datensätzen trainiert, deren Umfang sich insgesamt um den Faktor acht unterschied. Der Fehler bei der Vorhersage der nächsten Roboteraktion sank so regelmäßig, dass sich der größte Trainingslauf aus den kleineren prognostizieren ließ. Auch das ist zunächst ein internes Ergebnis. Es stützt aber eine aus Sprachmodellen bekannte Strategie: breit vortrainieren, eine Aufgabe mit weniger spezialisierten Daten definieren und beim Einsatz auf neue Situationen übertragen.

Warum 56 Prozent zugleich stark und unzureichend sind

Ein Roboter, der mehr als die Hälfte strenger Komplettaufgaben in unbekannten Wohnungen bewältigt, liefert ein beachtliches Forschungsergebnis. Eine Schwelle zur Marktreife ist das nicht. Im Haushalt kann schon ein Fehlversuch dazu führen, dass schwere Gegenstände falsch liegen, Bettwäsche auf dem Boden landet oder der Roboter einen Durchgang blockiert. Verbraucher werden Zuverlässigkeit über Hunderte Aufgaben bewerten, nicht anhand eines kuratierten Sets aus drei Tätigkeiten.

Die Demonstration lässt außerdem zentrale Fragen offen. Es gibt bislang keine unabhängige Prüfung des Versuchsprotokolls und keinen öffentlich verfügbaren Datensatz, mit dem ein anderes Labor das Ergebnis reproduzieren könnte. Ungeklärt bleiben unter anderem die langfristige Hardwarezuverlässigkeit, die Sicherheit in Gegenwart von Kindern oder Haustieren, der Datenschutz bei Kameras im Wohnraum, der Umgang mit völlig neuen Anweisungen, die Betriebskosten und die Geschwindigkeit im Vergleich zu einem Menschen.

Auch der Begriff „Wohnung“ hat Grenzen. Dreißig reale Haushalte bieten mehr Vielfalt als ein Labor, bilden aber nur einen kleinen Ausschnitt weltweiter Wohnsituationen ab. Treppen, enge Türen, schlechtes Licht, starke Unordnung, ungewöhnliche Möbel sowie Menschen oder Tiere könnten die Leistung drastisch verändern. Der nächste glaubwürdige Meilenstein ist deshalb eine breitere Auswertung mit transparenten Fallzahlen und unabhängiger Kontrolle.

Die Alpha-Bionic-Einordnung

Das Bett liefert den perfekten visuellen Einstieg, doch das Foundation Model ist die eigentliche Nachricht. Helix 2.5 deutet an, dass sich humanoide Robotik vom Prinzip „eine Maschine, eine Aufgabe, ein Ort“ lösen könnte. Wenn von Menschen aufgezeichnete Erfahrung den Bedarf an roboterspezifischen Trainingsdaten reduziert, erhalten Entwickler Zugang zu einer deutlich größeren und vielfältigeren Lernquelle.

Allgemeine Haushaltsroboter sind damit nicht angekommen. Eine Erfolgsquote von 56 Prozent reicht für einen autonomen Dienst nicht aus, und alle zentralen Leistungsangaben stammen derzeit von Figure. Der Abstand zwischen 9 und 56 Prozent ist dennoch zu groß, um ihn zu ignorieren. Er spricht dafür, dass der Weg zu nützlichen Heimrobotern weniger über das Skripten jeder einzelnen Bewegung führen könnte als über Modelle, die verstehen, wie physische Arbeit von Raum zu Raum variiert.

Die stärkste Schlussfolgerung ist daher enger als das virale Bild – und zugleich folgenreicher: Helix 2.5 hat nicht bewiesen, dass ein Humanoid einen Haushalt führen kann. Das System liefert Hinweise darauf, dass menschliche Erfahrung einem Roboter hilft, an Orten zu handeln, an denen er nie trainiert hat. Bestätigen unabhängige Tests diesen Transfer, könnte der Roboter am Bett rückblickend nicht als Haushaltskuriosität gelten, sondern als frühes Zeichen dafür, dass Physical AI tatsächlich beweglich wird.

Quellen

Bewerte den Beitrag hier!
[Total: 1 Average: 5]

Passend zum Thema