# Figure AI stellt das humanoide neuronale Netzwerk Helix 2.5 mit realer Zero-Shot-Generalisierung vor

Source: TechNewsList (https://technewslist.com)
Canonical URL: https://technewslist.com/de/article/figure-ai-unveils-helix-2-5-humanoid-zero-shot-autonomy-de
Section: Drones & Robots (https://technewslist.com/de/drones-robotics)
Author: TechNewsList
Language: de
Published: 2026-09-18T19:44:46.507+00:00
Updated: 2026-09-18T19:44:46.671729+00:00

> Tests in 30 unbekannten Häusern in Kalifornien ergaben eine Abschlussquote von 56 Prozent ohne vorherige Umgebungskartierung oder Feinabstimmung.

## TL;DR
- Figure AI führte Helix 2.5 ein und erzielte in 30 realen Häusern einen Null-Schuss-Erfolg von 56 Prozent.
- Die Tests umfassten 420 Versuche mit komplexen Aufgaben, darunter das Falten von Handtüchern und das Machen von Betten.
- Ein Basiskontrollmodell ohne Vortraining für menschliches Verhalten erreichte nur eine Erfolgsquote von 9 Prozent.
- Das Ganzkörper-Vision-Sprach-Aktion-Grundlagenmodell gibt Gelenkdrehmomente mit 200 Hertz aus.

## Key points
- Figure AI stellte Helix 2.5 für die allgemeine autonome humanoide Manipulation vor.
- Der Roboter wurde ohne vorherige 3D-Kartierung in 30 unbekannten Häusern in Kalifornien getestet.
- Strenge „Bestanden/Nicht bestanden“-Kriterien führten zu einer Abschlussquote von 56 Prozent bei 420 verschiedenen Aufgabenbewertungen.
- Zu den Aufgaben gehörte der Umgang mit verformbaren Gegenständen wie Bettlaken, Wäschehandtüchern und Tischkram.
- Das Vortraining auf dem Indexdatensatz menschlichen Verhaltens war entscheidend für die Ermöglichung einer physischen Verallgemeinerung.
- Figure plant, die Versuche auf 100 Haushalte auszuweiten, da eine wirtschaftliche Rentabilität von 80 Prozent angestrebt wird.

## Was passiert ist

Figure AI führte am 17. September 2026 Helix 2.5 ein und veröffentlichte ein bahnbrechendes neuronales Ganzkörpernetzwerk, das eine allgemeine autonome Manipulation für humanoide Roboter ermöglichen soll. Um die architektonischen Ansprüche zu untermauern, veröffentlichte Figure umfangreiche empirische Benchmark-Ergebnisse aus 420 strengen Aufgabenversuchen, die in dreißig bisher unbekannten, voll möblierten Privathäusern in Nordkalifornien durchgeführt wurden. Der Figure 02-Humanoid operierte völlig ohne vorherige räumliche 3D-Kartierung, individuelle Feinabstimmung oder menschliche Teleoperation und erreichte eine End-to-End-Aufgabenerledigungsrate von insgesamt 56 Prozent.

Zu den bewerteten Aufgaben gehörten herausfordernde häusliche Manipulationssequenzen, wie das Glätten dynamischer Bettwäsche, das Falten von Wäschehandtüchern, das Sammeln verstreuter Gegenstände in Vorratsbehältern und das Ordnen überfüllter Esstische. In direkten Vergleichsbenchmarks erreichte eine identische Kontrollrichtlinie ohne Vortraining auf dem proprietären Index-Datensatz zum menschlichen Verhalten von Figure nur eine Erfolgsquote von 9 Prozent, was ein grundlegendes Vortraining des Verhaltens als eine entscheidende Voraussetzung für die allgemeine körperliche Intelligenz etablierte.

## Warum es wichtig ist

Humanoide Robotik war lange Zeit durch umgebungsspezifische Programmierung eingeschränkt. In strukturierten Automobilfabriken und Logistikzentren sind Roboter erfolgreich, weil die Arbeitszellen über eine feste Beleuchtung, vorhersehbare Objektpositionen und eine statische Geometrie verfügen. Umgekehrt weisen häusliche Umgebungen praktisch grenzenlose Variabilität auf: Die Anordnung der Möbel unterscheidet sich von Wohnung zu Wohnung, die Beleuchtung ändert sich kontinuierlich und persönliche Gegenstände weisen unvorhersehbare Formen, Texturen und Verformbarkeit auf.

Figures Zero-Shot-Inlandstests beweisen, dass verkörperte neuronale Netze über strukturierte Industriekäfige hinausgehen können. Durch den Nachweis, dass ein humanoider Roboter in ein völlig unbekanntes Zuhause eindringen und verformbare Objekte wie Kleidung und Decken erfolgreich manipulieren kann, schließt Figure die Lücke zwischen Labordemonstrationen und praktischem kommerziellen Einsatz. Die Ergebnisse liefern empirische Beweise dafür, dass Basismodelle, die auf großen multimodalen physikalischen Datensätzen trainiert wurden, physikalische Intuition auf neuartige physikalische Räume verallgemeinern können.

## Technische Details

Helix 2.5 fungiert als integriertes Vision-Sprach-Aktions-Grundmodell, das hochfrequente sensorische Telemetrie von den multimodalen Kameras, taktilen Fingersensoren und Gelenk-Encodern des Roboters verarbeitet. Anstatt sich auf klassische modulare Pipelines zu verlassen, die Wahrnehmung, Bewegungsplanung und Flugbahnsteuerung trennen, generiert Helix 2.5 durchgängig kontinuierliche Drehmoment- und Positionsvektoren für die Hände des Humanoiden mit 16 Freiheitsgraden und das Ganzkörper-Artikulationssystem bei 200 Hertz.

![High-Density-Computing-Infrastruktur, die das Training von Modellen für maschinelles Lernen für die Robotik ermöglicht.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1789755239865-sw2o6m-figure-ai-unveils-helix-2-5-humanoid-zero-shot-autonomy-inside-1-da804df406.webp)
*Helix 2.5 basiert auf großen verteilten Computerclustern, um umfangreiche multimodale Verhaltensdatensätze vorab zu trainieren.*

Die Zero-Shot-Generalisierungsfähigkeiten des Modells basieren auf dem Vortraining mit dem Index-Datensatz von Figure, einem umfangreichen Repository, das Hunderttausende Stunden an hochauflösenden menschlichen Demonstrationsdaten enthält, die mit fortschrittlichen Motion-Capture-Rigs und Teleoperationssystemen erfasst wurden. Bei den Versuchen wurden strenge Abschlusskriterien durchgesetzt: Teilpunkte wurden nicht vergeben und Aufgaben wurden als nicht bestanden gewertet, wenn ein Gegenstand fallen gelassen oder falsch gefaltet wurde oder wenn Sicherheitsüberwachungsroutinen eine automatische Pause auslösten. Der Roboter zeigte ein bemerkenswertes Wiederherstellungsverhalten, indem er heruntergefallene Utensilien selbstständig zurückholte und falsch ausgerichtete Stoffe ohne menschliche Hilfe neu ausrichtete.

## Auswirkungen auf Markt und Branche

Die Benchmark-Ergebnisse steigern die Wettbewerbsdynamik im gesamten Sektor der verkörperten künstlichen Intelligenz erheblich. Konkurrierende humanoide Entwickler, darunter Tesla mit Optimus, Boston Dynamics mit Atlas und Sanctuary AI, wetteifern darum, außerhalb kontrollierter Teststrecken die kommerzielle Machbarkeit zu beweisen. Figures transparente Veröffentlichung der Ausfallarten und Erfolgsraten im Privatbereich stellt einen quantitativen Maßstab dar, der Wettbewerber unter Druck setzen wird, Ansprüche in unkontrollierten Umgebungen zu validieren.

![Automatisierte Fabrikfertigungshalle, die kommerzielle Einsatzumgebungen für humanoide Roboter darstellt.](https://rkhynbcsbnkkcwgexzwg.supabase.co/storage/v1/object/public/media/api/1789755241113-ht6gmt-figure-ai-unveils-helix-2-5-humanoid-zero-shot-autonomy-inside-2-f39d53054c.webp)
*Entwickler verkörperter KI stellen Grundlagenmodelle von strukturierten Fabrikpiloten auf unstrukturierte häusliche Räume um.*

Die nachgewiesenen inländischen Manipulationsfähigkeiten erweitern auch das kommerzielle Interesse über die Industrielogistik hinaus. Gesundheitsdienstleister, Altenpflegeeinrichtungen und Hotelketten erforschen autonome Humanoide, um sie bei sich wiederholenden physischen Wartungs- und Raumwechselaufgaben zu unterstützen. Risikokapitalinvestitionen in Roboterfundamentmodelle nehmen weiter zu, wobei Investoren die verallgemeinerte verkörperte Intelligenz als die nächste Billionen-Dollar-Marktexpansion betrachten.

## Worauf man als Nächstes achten sollte

Figure AI plant, sein Wohnbewertungsprogramm bis Ende 2026 auf über einhundert Häuser auszuweiten und komplexe Multi-Room-Sequenzen und interaktive Sprachanweisungen zur Erdung einzuführen. Das Ingenieursteam arbeitet aktiv daran, die Erfolgsquote bei Zero-Shot-Aufgaben auf über 80 Prozent zu steigern, was Robotikexperten als Schwelle für eine realisierbare Kommerzialisierung für den Verbraucher betrachten.

Beobachter werden auch die regulatorischen Diskussionen über Sicherheitsstandards für Haushaltsroboter überwachen. Während autonome Humanoide mit Haustieren und Kindern in Häuser eindringen, bereiten Standardorganisationen wie die International Organization for Standardization neue Sicherheitsrichtlinien vor, die physikalische Kraftgrenzen, Verzögerungen beim Vermeiden von Hindernissen und Protokolle zur Notabschaltung in Echtzeit regeln.

## Quellen

- [Figure AI Blog](https://www.figure.ai/blog/helix-2-5-zero-shot-humanoid-autonomy)– Offizielle Veröffentlichung zur Ankündigung der neuronalen Architektur von Helix 2.5, der Index-Pretraining-Datensatzmetriken und der 30-Home-Testmethodik.
- [Unite.AI](https://www.unite.ai/figure-introduces-helix-2-5-tested-zero-shot-in-30-unseen-homes/)— Detaillierte technische Analyse mit 420 Evaluierungsversuchen, strengen Abschlusskriterien und Vergleich mit Basismodellen.
- [Humanoider Führer](https://humanoid.guide/figure-ai-helix-2-5-benchmark-analysis/)– Benchmark-Überprüfung der Robotikbranche zur Bewertung der kommerziellen Bereitschaft für heimische Humanoide und der Wettbewerbslandschaft.

Mentions: Abbildung KI, Brett Adcock, Tesla Optimus, Boston Dynamics

## Sources
- [Figure AI Blog](https://www.figure.ai/blog/helix-2-5-zero-shot-humanoid-autonomy)
- [Unite.AI](https://www.unite.ai/figure-introduces-helix-2-5-tested-zero-shot-in-30-unseen-homes/)
- [Humanoider Führer](https://humanoid.guide/figure-ai-helix-2-5-benchmark-analysis/)