Um robô humanoide da Figure entrou em 30 casas alugadas na Baía de São Francisco, onde nunca tinha estado, e começou a arrumar sozinho. Nas 420 tentativas registadas pela empresa, concluiu 237 tarefas — 56%.
As tarefas eram arrumar salas, dobrar toalhas e fazer camas. Um modelo idêntico, sem o pré-treino da empresa, ficou-se pelos 8% nos mesmos ensaios.
O resultado vem do Helix 2.5, o modelo visão-linguagem-ação (VLA) que a Figure apresentou esta quinta-feira. Um VLA é uma rede neuronal que recebe imagens e instruções em linguagem e devolve movimento — sem guião nem posições pré-programadas.
A Figure, de Sunnyvale, na Califórnia, foi fundada em 2022 por Brett Adcock e fabrica o robô Figure 03, o corpo que executa as tarefas.
As condições do teste não eram de laboratório: uma pessoa atirava objetos pelo chão, pelo sofá e pelas mesas; outra deixava as toalhas cair amachucadas; uma terceira desmanchava a colcha e as almofadas. O robô tinha de procurar, apanhar e repor, em salas, superfícies e camas que não conhecia.
Resultado publicado pela Figure para os 30 lares: com pré-treino no Index, o robô concluiu 237 das 420 tentativas (56%); sem pré-treino, 35 (8%). Por tarefa, o sucesso vai de 5%–11% para 40%–67%. Gráfico: Figure AI.
Um número honesto: falha quase uma vez em cada duas
É a própria empresa que obriga a ler o número assim: em quase metade das tentativas, o robô não acabou o que lhe foi pedido. Ninguém compra um eletrodoméstico que falha duas vezes em cada quatro tarefas — e a distância entre 56% e «quase sempre» é a diferença entre uma demonstração e um produto.
Há duas melhorias face à geração anterior. O Helix 2.5 igualou uma política Helix 02 treinada dentro da casa onde foi avaliada, mas com metade dos dados de adaptação, e relata auto-correcções que antes não via: recuar, mudar de posição ou dar a volta à cama para corrigir um lençol.
Fica a ressalva obrigatória: são números da empresa, sem artigo revisto por pares nem replicação independente. A Figure afirma ter feito «a primeira demonstração de generalização de corpo inteiro sem treino prévio» com este alcance num humanoide — uma afirmação sua, que nenhum laboratório externo verificou.
Os vídeos caseiros que ensinam o robô
O que tornou o resultado possível não saiu de um laboratório. Saiu do Index, a aplicação com que a Figure paga a pessoas para gravarem as suas próprias tarefas domésticas. Lançada a 25 de agosto, soma 264 mil descargas em 108 países, 16 milhões de vídeos enviados e mais de 44 mil utilizadores activos por semana.
A empresa diz que o Index gera agora cerca de 35 minutos de experiência humana por segundo — eram 30 em agosto — e já pagou 15 milhões de dólares a quem grava. Por cada mil horas recolhidas há 373 tarefas distintas, 1 146 objetos manipulados e 116 ambientes diferentes.
Excerto do vídeo de apresentação da Figure com dezenas de gravações enviadas por «criadores» do Index — cozinhar, limpar, conduzir, arrumar. É este material, filmado por pessoas nas suas casas e locais de trabalho, que alimenta o treino do Helix. Fonte: Figure AI.
Quem paga os dados (e se a conta fecha)
Pelos números que a própria empresa publica, cada vídeo do Index sai a cerca de 0,94 dólares — uns 3,75 milhões por mês. A Figure comprometeu mais de mil milhões de dólares em dados e computação para os próximos 12 meses.
Se a rede crescer cem vezes, como foi anunciado, só os pagamentos a quem grava passariam de 4,5 mil milhões de dólares por ano: quatro vezes e meia o orçamento total de dados e computação.
Há uma pergunta a que os materiais públicos da empresa respondem só pela metade. A Figure detalha filtros automáticos, revisão humana contra fraude, deduplicação e legendagem — mas não o que acontece às imagens de filhos, visitas ou vizinhos captados ao fundo de uma gravação.
A Figure envia um dispositivo de gravação a quem se inscreve e paga ao minuto. O mercado à volta dela já tem rivais — Kled, Luel, Waffle Video — e, em maio, a WIRED descreveu uma semana de gravações do género para essas plataformas, com 21,55 dólares ganhos no total.
Uma lei de escala — e 3,5 mil milhões em computação
Chama-lhe «a primeira lei de escala de transferência humano-robô medida num humanoide», ressalvando que mede apenas escala de dados. Para a alimentar, fechou com a Nscale até 100 mil GPUs NVIDIA Vera Rubin em Barstow, no Texas, a partir do segundo semestre de 2027.
A Figure treinou quatro modelos, um por cada duplicação de dados do Index, mantendo fixos o tamanho do modelo e o treino final. Com os quatro mais pequenos, diz ter previsto a perda do maior com quatro casas decimais antes de o treinar, com erro de 0,54%.
São 3,5 mil milhões de dólares comprometidos em computação, com intenção de passar os 6 mil milhões — e a Nscale entrou no capital da empresa.
O que falta para ter um robô em casa
A Figure ainda não anunciou produto doméstico, preço nem data. Quem já vende tem outros nomes: a 1X pede 20 mil dólares pelo NEO ou 499 por mês, com entregas nos EUA previstas para 2026; a Weave já aceita reservas para o Isaac 1, com as primeiras entregas na Califórnia previstas para este outono.
O que distingue a Figure é a recusa em teleoperar. A 1X mantém «especialistas» que supervisionam o NEO à distância em tarefas que ele não domina, e a Sunday recolhe demonstrações humanas nas casas dos seus «Memory Developers» para o Memo, em beta no fim do ano.
A aposta da Figure é substituir o humano no circuito por vídeo humano: tarefas caseiras filmadas por estranhos em 108 países, transformadas em política de robô. Adcock já descreveu o produto que quer vender — uma assinatura de cerca de 600 dólares por mês, como o aluguer de um carro.
E já disse para que quer o robô: «quero que lave a roupa todos os dias, que lave a loiça todos os dias e que arrume a casa várias vezes ao dia».
Convém separar o que já existe do que é promessa. Em julho, a fábrica BotQ produzia um Figure 03 por hora e já tinha entregue mais de 350 unidades.
A ronda Series C avaliou a empresa em 39 mil milhões de dólares e a Brookfield, com mais de 100 mil apartamentos, entrou para ajudar a recolher dados em ambientes domésticos.
O que falta não é capacidade de fabrico. É a margem entre acertar em 56% das tentativas e acertar quase sempre — a margem que separa um vídeo impressionante de um eletrodoméstico que se pode comprar.
💬 Comentários
Nenhum comentário ainda. Sê o primeiro a comentar!