Figure meldet neue BotQ-Einrichtung, die pro Stunde einen humanoiden Roboter herstellen kann

Technik, Energie und Einsatz

Infolgedessen hat die End-of-Line-First-Pass-Yield 80 Prozent überschritten, während die Batterieproduktion eine Ausbeute von 99,3 Prozent erreicht hat, mit über 500 ausgelieferten Einheiten und mehr als 9.000 erzeugten Aktuatoren.

Jeder Roboter durchläuft über 80 Funktionstests, darunter Belastungs- und Burn-in-Übungen wie Kniebeugen und Joggen, um frühe Ausfälle zu eliminieren.

Der wachsende Fuhrpark beschleunigt die Entwicklung, indem er große Datenmengen für Helix, das humanoide KI-Modell des Unternehmens, generiert und gleichzeitig den Einsatz in der realen Welt für Forschungs-, kommerzielle und häusliche Anwendungsfälle ermöglicht, so einem Blog.

Technik und Auswirkungen

Die operative Skalierung hat die Diagnostik verbessert und ermöglicht so eine schnelle Fehleranalyse, während Software-Fallback-Systeme es den Robotern ermöglichen, bei kleineren Fehlfunktionen die Funktionalität aufrechtzuerhalten. Mit der Behebung Fokus auf Edge-Case-Ausfälle verlagert.

Zur Unterstützung der Expansion hat Figure interne Dienste, ein Flottenmanagement und Over-the-Air-Update-Systeme aufgebaut, die eine kontinuierliche Überwachung, Aufrüstung und Feedback-Integration aller eingesetzten Roboter gewährleisten.Perzeption trifft auf BewegungFigure hat außerdem ein großes Upgrade für sein KI-Modell Helix System 0 (S0) eingeführt, das eine perzeptionlich bedingte Ganzkörpersteuerung für seine humanoide Roboter ermöglicht.

Zuvor stützte sich das Modell ausschließlich auf Propriozeption – das Verständnis änden und Körperbewegung –, was seine Fähigkeit, komplexe Umgebungen wie Treppen oder unebenes Gelände zu navigieren, einschränkte.

Mit dem neuesten Update integriert S0

Mit dem neuesten Update integriert S0 nun visuelle Eingaben in eine 3D-räumliche Darstellung der Umgebung um.

Dies ermöglicht es dem Roboter, das Gelände, das er navigiert, sowohl „zu fühlen“ als auch „zu sehen“.Das System wird end-to-end mittels Reinforcement Learning in Simulationen über vielfältige, zufällige Terrains trainiert.

Besonders auffällig ist, dass die erlernten Verhaltensweisen direkt auf reale Umgebungen übertragen werden können, ohne zusätzliche Kalibrierung oder Feinabstimmung, wodurch eine seit langem bestehende Herausforderung ät überwunden wird.

Einordnung fuer Autofahrer

Roboter können nun Treppen und verschiedene Oberflächen mit menschenähnlicher Stabilität und Bewegung überqueren, selbst unter wechselnden Lichtverhältnissen. Gemäß der Abbildung stellt dieser Fortschritt einen bedeutenden Schritt hin zu vollautonomen, wahrnehmungsgesteuerten Kontrollsystemen dar.

Über die Treppennavigation hinaus unterstützt die Architektur eine breite Palette.

In Kombination mit der Hochproduktion bei BotQ skaliert Figure schnell seine Roboterflotte, beschleunigt die Datenerfassung, verbessert die Zuverlässigkeit und stärkt seine Position im Rennen um den Einsatz leistungsfähiger humanoider Roboter im großen Maßstab.