כך Helix של Figure AI משנה את הדרך שבה מכונות לומדות לעבוד

האם עצרתם פעם לחשוב איך ייראה מחסן בעוד חמש שנים? בעולם שבו רובוטים רגילים מבצעים פקודות, משהו חדש קורה: רובוטים שמתחילים ללמוד – מהקשר, מהתבוננות, כמו בני אדם. בתעשייה שדוהרת קדימה בקצב מסחרר, Figure AI משנה את חוקי המשחק. לא בגלל ש־Helix רק מהיר יותר – אלא כי הוא מבין את מה שקורה סביבו. זה לא עוד מכונה. זה ראש חושב בתוך גוף פועל.

קפיצה קוגניטיבית בלב המחסן

לפני מספר חודשים בלבד, Helix עשה את צעדיו הראשונים במחסן. היום, הוא כבר מתפקד כממיין חבילות במהירות ובדיוק שמתקרבים לרמה אנושית – והכול, בלי שכתבו לו שורת קוד אחת לכל משימה. המספרים מדברים בעד עצמם: זמן טיפול ממוצע ירד מכ-5 שניות ל-4.05 – שיפור של כמעט 20%. אבל זה לא רק עניין של מהירות. Helix עבר ממיון של קופסאות פשוטות לטיפול בשקיות פלסטיק גמישות, מעטפות שטוחות ופריטים מקומטים – מה שדורש התאמה קוגניטיבית ומוטורית. אחוזי הסריקה? עלו מ־88.2% ל־94.4% – שיפור מדוד, מבוקר, ומרשים. המשמעות ברורה: לא רק שהוא מהיר יותר – הוא גם מסתדר עם עולם מורכב הרבה יותר.

למידה ללא גבולות: איך יותר דוגמאות הופכות את Helix לטוב יותר

מה באמת חדשני ב־Helix?

רובוטים רגילים יודעים לבצע – אבל רק את מה שתוכנת להם. Helix שובר את הכלל הזה: הוא לומד מצפייה בבני אדם ומיישם את הלמידה על מצבים חדשים, לא צפויים, משתנים. איך הוא עושה את זה? עם שלוש יכולות שעד לא מזמן היו שמורות רק לנו:

• זיכרון ראייה (Vision Memory): Helix לא רק “רואה” – הוא זוכר מה כבר ראה לפני רגע. זה מאפשר לו להימנע מתנועות מיותרות ולבחור את הזווית הנכונה – בדיוק כמו שאנחנו זוכרים מאיזה צד כבר ניסינו לפתוח את הקופסה.

• חיישני כוח (Force Feedback): כשהוא נוגע בפריט, Helix מרגיש את ההתנגדות ומגיב בהתאם. יש שקית פלסטיק מקומטת? הוא לא ימעך אותה – הוא יחליק בעדינות את הקמטים, בדיוק במידה שתחשוף את הברקוד.

• זיכרון מצבים (State History): הוא שומר רצף של פעולות ותוצאות. כלומר, אם משהו השתבש – הוא לא צריך להתחיל מאפס. הוא לומד תוך כדי תנועה, כמו שאנחנו לומדים מטעויות קטנות.

במקום רק לבצע פקודות – Helix מבין מה הוא עושה. וזה שינוי עמוק.

בתמונה המצורפת אפשר לראות דיאגרמה טכנית של System 1 ברובוט Helix, המראה כיצד המערכת משלבת זיכרון ראייה מרגעים קודמים (T-n, T-1, T) עם נתוני מצב וכוח בזמן אמת. המעבד המרכזי (S1 Transformer) מעבד את כל המידע ומפיק החלטות פעולה בקצב של 200 פעמים בשנייה – מה שמאפשר לרובוט לא רק לראות ולהגיב, אלא גם לזכור ולהכליל מניסיון קודם:

המוח של Helix: כך נראית אינטליגנציה רובוטית עם זיכרון

למידה מהדגמה: פריצת דרך אמיתית

Helix לא רק ממיין. הוא לומד משימות חדשות על בסיס הקשר. הראו לו כמה דוגמאות של בני אדם שמושיטים יד – והוא הבין לבד מתי לעצור את פעולת ההנחה, ולמסור את החבילה ישירות. אותה רשת נוירונים, אותם משקלים. ההבדל היחיד: מה שהוא רואה – ואיך הוא מפרש את זה. זו בדיוק העוצמה של למידה מהדגמה: לא צריך לתכנת כל משימה מראש. Helix לא מקבל שורות קוד – אלא צופה, מבין, ומכליל.

ומה קורה כשנותנים לו עוד דוגמאות? במחקר פנימי של Figure, העלו את כמות ההדגמות מ־10 שעות ל־60. התוצאה: זמן הטיפול ירד ב־58%, ואחוז ההצלחה עלה מ־88.2% ל־94.4%. והדבר המרשים ביותר? המערכת לא הגיעה לרוויה. כל שעה נוספת – דוחפת את היכולות עוד צעד קדימה. זו לא מדרגה. זו רמפה. וזה ההבדל בין רובוט שמבצע – לרובוט שלומד.

כוח ההדגמה: איך יותר נתונים = ביצועים טובים יותר

ההקשר הרחב

שוק הרובוטיקה ההומנואידית הפך לזירת מירוץ צפופה של ענקיות. Boston Dynamics עם Atlas החשמלי מציגה אקרובטיקה מרהיבה. Tesla מפתחת את Optimus עם מטרה אחת – ייצור המוני.

Agility Robotics מציבה את Digit כעובד שמסוגל לנוע בין בני אדם בלי להפחיד. אבל Helix שונה – לא בגלל השרירים, אלא בגלל המוח.

בעוד אחרים מתמקדים ביציבות, תנועה, או ייצור בקנה מידה – Helix מבצע, חושב, ולומד. הוא לא רק מגיב. הוא בוחר. הוא מתכנן. ופה מגיע ההבדל האסטרטגי האמיתי: Figure לא שמה את ה-AI שלה בידיים של אחרים. היא מפתחת את המודלים שלה, מקצה לקצה. ברט אדקוק (Brett Adcock), המייסד והמנכ”ל, ניסח את זה חד:

“הבנו שאם רוצים לפתור את אתגרי הבינה המלאכותית הגשמית, בקנה מידה ובעולם האמיתי, חייבים לבנות את המערכת מקצה לקצה. אי אפשר לעשות מיקור חוץ למוח.”

וזה, בדיוק, מה שמציב אותם צעד אחד לפני כולם.

מה המספרים מספרים?

בשוק תחרותי כמו זה, הכסף לא זורם להבטחות – הוא זורם למי שנראה שיכול לקיים. Figure עומדת כרגע בדיוק במקום הזה. במרץ 2024, החברה גייסה 675 מיליון דולר לפי שווי של 2.6 מיליארד דולר. השמות ברשימת המשקיעים לא פחות חשובים מהסכום: Microsoft, Nvidia, OpenAI, וגם ג’ף בזוס.

ועכשיו? רק שנה אחרי – Figure נמצאת במו”מ לגיוס נוסף של 1.5 מיליארד דולר. השווי? 39.5 מיליארד דולר. עלייה של פי 15 ב־12 חודשים. זה לא רק גיוס – זה סימן קריאה. השוק לא מהמר על עוד רובוט. הוא מהמר על שינוי עמוק באופן שבו אינטיליגנציה נכנסת לעולם הפיזי.

האתגרים שעוד לפנינו

כמו כל טכנולוגיה מתקדמת – Helix עדיין לא חופשי לפעול בכל מקום. הוא עובד כיום בסביבה מבוקרת: מחסן עם תאורה קבועה, פריטים ידועים, וסדר פעולות חוזר. אבל העולם האמיתי? הרבה יותר בלאגן. תנאי שטח משתנים, אובייקטים בלתי צפויים, אנשים שמגיבים אחרת בכל פעם – אלה האתגרים שעדיין ממתינים לו מעבר לדלת. גם כשמדובר בהחלפת עובדים – צריך לדייק: Helix מצטיין במשימות ברורות, חזרתיות, ומבוססות תבנית. אבל בכל מה שדורש אלתור, שיפוט אנושי או הבנה רגשית – לבני אדם עדיין יש יתרון ברור. אז כן – המהפכה התחילה. אבל היא לא הושלמה.

והשלב הבא שלה? להתמודד עם כאוס – בדיוק כמו שאנחנו עושים כל יום.

השורה התחתונה

Helix הוא לא רק רובוט ממיין. הוא עדות חיה לכך שמערכת יכולה ללמוד, להסתגל – ולהתקרב לביצועים אנושיים לא דרך קוד, אלא דרך צפייה. אבל הסיפור האמיתי גדול הרבה יותר. Helix מראה לנו שמהפכת הבינה המלאכותית בעולם הפיזי לא תבוא מהנדסה בלבד – אלא מהוראה. לא נצטרך עוד לתכנת כל פעולה. פשוט נראה להם מה לעשות. וברגע שמכונה לומדת מהקשר – ולא רק מביצוע -אנחנו לא רק בונים כלים חכמים יותר. אנחנו בונים שפה חדשה בין בני אדם למכונות. וזה, בדיוק, העתיד.

רובוט בונה רובוט – ועתיד הרובוטיקה מחוץ למחסנים

אם בא לכם עוד קצת רובוטים, תארו לעצמכם פס ייצור שבו רובוטים לא רק נבנים – אלא גם בונים אחד את השני. זה בדיוק מה שקורה במפעל BotQ של Figure: מתקן מתקדם שמסוגל לייצר עד 12,000 רובוטים הומנואידיים בשנה. אבל המספרים הם רק חצי מהסיפור. החצי השני? הדרך החדשנית שבה Figure בונה – גם את הרובוטים, וגם את עתיד התעשייה. כך נראה המפעל שבו רובוטים מייצרים רובוטים. ואם Helix מראה לנו איך רובוט לומד ומתפקד כמו אדם – המהפכה הבאה כבר דופקת על הדלת: מה אם כל אחד יוכל להרשות לעצמו אחד כזה? בתערוכת CES האחרונה בלאס וגאס, שתי חברות סיניות שברו את השוק עם רובוטים הומנואידיים במחיר של מכונית משפחתית. כן, שמעתם נכון – החל מ־13,700 דולר בלבד. הכירו את הרובוטים הסיניים שעושים היסטוריה.