Figure, 휴머노이드 Helix 2.5 발표

Figure가 사람 행동 데이터셋 'Index'로 사전 학습된 휴머노이드 모델 Helix 2.5를 발표했습니다. 이 모델은 학습에 포함되지 않은 베이 에어리어의 30개 가정에서 장난감 정리, 수건 접기, 침대 정돈 등의 집안일을 수행하는 제로샷 일반화 능력을 입증했습니다.

사전 학습 효과

동일한 작업 데이터와 평가 조건에서 사전 학습 여부에 따른 성능 차이를 비교한 결과, Index 사전 학습 모델이 무작위 초기화 모델 대비 높은 성능을 보였습니다.

• 수건 접기: 성공률 9% → 62%
• 장난감 정리: 성공률 5% → 40%
• 침대 정돈: 성공률 11% → 67%
• 합산 성공률: 약 8% → 56%

이는 폭넓은 사람 행동 데이터의 사전 학습이 새로운 환경에서의 로봇 조작 성능 향상에 기여함을 보여줍니다. (원문 본문은 9%에서 56%로 서술하나, 도표 계산값은 약 8.3%에서 56.4%임)

기술적 특징 및 한계

Helix 2.5는 이동과 조작을 결합한 Locomanipulation과 능동 지각을 요구하는 복잡한 작업을 처리합니다. Figure는 Helix 02와 달리 평가 환경의 데이터를 사용하지 않고도 절반 수준의 작업 적응 데이터로 유사한 성공률을 달성했다고 설명합니다. 또한, 사람 행동 데이터의 양을 늘릴 때 다음 행동 예측 손실(Action-Prediction Loss)이 예측 가능한 패턴으로 감소하는 Scaling Law를 확인했습니다.

다만, 평가가 특정 지역(베이 에어리어)과 3가지 작업에 한정되어 있어 전반적인 일반화 검증은 추가 연구가 필요합니다. 모델 가중치나 재현 코드는 공개되지 않았습니다.