Figure、ヒューマノイド制御モデル「Helix 2.5」を公開：未経験の30軒でゼロショット動作を実証

概要

ヒューマノイド開発を手掛けるFigureは2026年9月17日、同社史上最も高度なヒューマノイド制御用ニューラルネットワーク「Helix 2.5」を公開しました。今回の発表の特筆すべき点は、サンフランシスコ・ベイエリアにある30軒の一般住宅を借り、事前のデータ収集や追加訓練を一切行わない「ゼロショット（zero-shot）」の状態で、ロボットに実用的な作業を行わせたという報告です。

基盤モデル「Index」を用いた事前学習により、未経験の環境におけるロボットの成功率が大幅に向上したとしており、家庭用汎用ロボットの実用化に向けた重要な進展を主張しています。

30軒の未経験住宅で行われたゼロショット評価

Figureは、評価対象としてベイエリアに30軒の住宅を確保しました。公式技術記事によれば、これらの住宅においてロボットは、データ収集、ファインチューニング、および環境への適応作業を一切行っていません。

この環境下で、単一のIndex事前学習済み基盤モデルから、「リビングの片付け」「タオル折り」「ベッドメイク」という3つの全身動作を生成することに成功したと説明しています。Figureは、「この規模でのヒューマノイドにおけるゼロショット全身汎化の実証は、同社の知る限り初めてである」と主張しています。

Index事前学習が成功率9%から56%に寄与

Helix 2.5の性能向上を裏付けるため、Figureはタスク固有のデータ、アーキテクチャ、訓練、評価手法を固定した比較実験の結果を公表しました。

それによると、Indexによる事前学習の有無だけで、ゼロショットでの成功率が9%から56%へと劇的に上昇したと報告されています。この数値は、部分点を認めない厳格な評価によるものです。また、評価環境で収集したデータで訓練された従来の「Helix 02」ポリシーと比較しても、Helix 2.5は半分の適応データ量で同等の成功率を達成したとしており、新しい環境へ適応させるためのコストが大幅に低下していることを示唆しています。

報告された「人間からヒューマノイドへの転移スケーリング則」

今回の発表では、データの規模を拡大することでモデルの性能が予測可能に向上する「スケーリング則」についても言及されています。

Figureは、Indexの事前学習データを8倍にわたって倍増させる実験を実施しました。その結果、ロボットの行動予測損失（test loss）が予測通りに低下する「人間からヒューマノイドへの転移のスケーリング則」を確認したと報告しています。この実験では、小規模な試行（run）の結果から、最大規模の試行における損失を、訓練前に小数点以下4桁の精度（予測誤差はデータ範囲全体の変動の0.54%）で予測できたとしています。

背景のIndexデータセットと35億ドルの計算資源

Helix 2.5の学習を支えるデータプラットフォーム「Index」は、非常に高い頻度でデータを生成しています。Figureの報告によれば、Indexは現在、毎秒約35分というペースで新規の人間の行動データを生成しており、同社はHelixの訓練に対して35億ドルの計算資源をコミットしたと発表しています。

なお、Indexに関しては、2026年8月25日に発表された際、アプリのダウンロード数が約26.4万、週間アクティブユーザーが約4.4万人、アップロードされた動画が1,600万本を超えていたとする二次報道もありますが、これら初期の規模に関する詳細な一次情報は現時点では確認できていません。