【要約】The Internet can’t stop watching Figure AI’s humanoid robots handling packages [Ars_Technica] | Summary by TechDistill
> Source: Ars_Technica
Execute Primary Source
// Problem
ロボットの自律性と、実環境における長期稼働の信頼性を証明することが課題となっている。従来のデモは短時間かつ限定的な環境に留まり、実運用に耐えうる能力が不明確であった。具体的には以下の問題が存在する。
- ・デモの短期間性：従来のデモは1時間程度であり、連続稼働の検証が不十分であった。
- ・環境適応力の不足：箱や封筒など、多様な形状の荷物への対応が求められる。
- ・物理的なエラー：荷物の落下や、空中で掴み損ねるなどの動作ミスが発生する。
- ・検証の不透明性：遠隔操作による介入の有無について、外部からの検証が困難である。
// Approach
Helix 02ニューラルネットワークシステムを導入し、高度な自律動作を実現した。ロボットが単独で判断し、タスクを完遂するための仕組みを構築している。
- ・Helix 02の採用：全身制御と長期的な自律動作（Long-horizon autonomy）を実現。
- ・大規模学習：1,000時間以上の人間動作データと、20万以上の並列シミュレーションを活用。
- ・エッジ推論：AI推論を各ロボットのハードウェア上で完結（Onboard inference）させる。
- ・協調運用：ネットワークを介し、バッテリー残量に応じたロボット間の交代を自律的に指示。
// Result
人間との比較実験を通じて、実用化に近い性能と連続稼働の可能性を示した。物流現場における労働力としてのポテンシャルを定量的に示した。
- ・処理速度の近似：人間（2.79秒/個）に対し、ロボット（2.83秒/個）と僅差の結果。
- ・処理量の実績：10時間の対決で、人間が12,924個、ロボットが12,732個を処理。
- ・連続稼働の達成：48時間以上の無故障自律稼働を記録した。
- ・産業実績：BMW工場でのFigure 02による部品搬送（3万台分）の実績を継承。
Senior Engineer Insight
> Helix 02のオンボード推論と、大規模シミュレーションによる学習戦略は極めて合理的だ。エッジでの推論は低レイテンシを実現し、リアルタイム制御に寄与する。しかし、現場視点ではエラー率が懸念材料だ。荷物の落下や掴み損ねは、物流ライン全体の停止を招く。実戦投入には、単なる「動作」の実現だけでなく、エラー発生時の自己修復能力と、人間を凌駕する稼働率の安定性が不可欠である。