何が起きたか

Figureは、同社のVision Language Action（VLA）モデル「Helix」が、物流環境での1時間にわたる完全自律のパッケージ再配置のデモに続き、洗濯物たたみに取り組んだと発表した。タオルなどの変形しやすい物体は形状が固定されておらず、把持点も一意に定まらないため、ヒューマノイドにとって最も困難な器用操作タスクの一つである。Helixは、混合された山からタオルを拾い、初期配置に応じてたたみ方を調整し、複数枚を拾った場合は余分なアイテムを戻すなどのエラー回復を行い、親指で端をなぞる、角をつまむ、絡まったタオルをほどくといった微細な操作を実行した。同社は、Helixが明示的なオブジェクトレベルの表現を用いず、視覚と言語の入力から滑らかで正確なモーター制御までをエンドツーエンドで処理すると説明している。

Key Facts

Figureは、同社のVLAモデル「Helix」が物流環境での1時間の完全自律パッケージ再配置に続き、洗濯物たたみに取り組んだと発表した。[0]
多指ハンドを持つヒューマノイドがエンドツーエンドのニューラルネットワークで洗濯物を完全自律でたたむのは初めてだと同社はしている。[0]
Helixは物流タスクを解決したのと同じアーキテクチャを、モデルやトレーニングのハイパーパラメータを変更せずに洗濯物たたみに適用した。追加されたのはデータセットのみである。[0]
Helixは、混合された山からタオルを拾う、初期配置に基づいてたたみ方を調整する、複数枚を拾った場合は余分なアイテムを戻す、親指で端をなぞる、角をつまむ、絡まったタオルをほどくなどのスキルを学習した。[0]
Helixは明示的なオブジェクトレベルの表現を用いず、視覚と言語の入力から滑らかで正確なモーター制御までをエンドツーエンドで処理する。[0]
洗濯物たたみに加えて、Helixはアイコンタクトの維持、視線の誘導、学習した手のジェスチャーを使った自然なマルチモーダルな対話も学習した。[0]

なぜ重要か

同じ汎用アーキテクチャと物理プラットフォームが、産業用物流から家庭内の家事までシームレスに移行できることを示している。同社は、実世界のデータ収集を拡大するにつれて、Helixの器用さ、速度、汎化がさらに向上すると期待している。