刷视频教会机器人干活：1200亿tokens人类动作预训练
原标题：刷视频也能教会机器人干活！1200亿tokens人类动作预训练，误差按幂律下降
AI 摘要
Figure 发布 Helix 2.5，在旧金山湾区 30 个陌生家庭中执行整理客厅、叠毛巾和铺床任务，经 Index 人类动作预训练后完整任务成功率从 9% 提升至 56%。Figure 还公布四档嵌套 Index 数据实验，显示预训练规模翻倍时下游动作预测损失按幂律下降。文章同时对比 Dyna Robotics 的百万小时人类视频实验和亮源新创 Light-O1 的 1200 亿 token 互联网人类动作预训练，指出不同团队的规模效应分别停留在离线迁移或闭环真机等不同层级。
正文节选
刷视频也能教会机器人干活！1200亿tokens人类动作预训练，误差按幂律下降 押注互联网里的人类经验 允中 发自 凹非寺 量子位 | 公众号 QbitAI 9月17日，Figure把Helix 2.5带进了旧金山湾区30个陌生家庭。它要收拾散落在客厅里的玩具、叠毛巾、铺床。机器人到达现场后，不再采集新数据，不更新模型权重，也不根据现场执行结果重新选择模型。 视频很容易被概括成“人形机器人‘零样本’做家务”。严格来说却并非如此。三个任务此前都在其他环境中用专门数据做过适配。Figure所说的“零样本（zero-shot）”，是指机器人第一次进入这些家庭，面对新的布局和操作对象时，不再针对当地环境和物体重新训练。 注：Figure Helix 2.5在30个此前未采集任务训练数据的湾区家庭中执行整理客厅、叠毛巾和铺床任务。这里的“零样本”指机器人面对新的家庭环境、空间布局和操作对象实例时无需现场重新训练，并不意味着模型此前未学习过这些任务；相关任务此前已使用其他环境采集的数据完成适配。来源：Figure 视频之外，Figure还公布了两组更容易被忽略的实验。 第一组直接比较是否经过Ind