Trong một video mới công bố của Figure cho thấy Figure 02 sử dụng công nghệ học tăng cường trong một trình mô phỏng vật lý, mô phỏng nhiều năm dữ liệu chỉ trong vài giờ. Quá trình ngẫu nhiên hóa miền cho phép chuyển đổi mượt mà từ mô phỏng sang đi bộ trong thế giới thực.

Học tăng cường (RL) là một phương pháp ứng dụng AI, trong đó bộ điều khiển học hỏi thông qua quá trình thử và sai, cho phép Figure 02 đi bộ với dáng đi giống con người. Figure đã đào tạo bộ điều khiển RL của mình trong mô phỏng vật lý tăng tốc GPU độ trung thực cao. Hàng nghìn robot hình người ảo, mỗi robot có các thông số vật lý khác nhau, được vận hành song song. 

Trong video, Figure AI giới thiệu 10 robot Figure 02 hoạt động trên cùng một mạng thần kinh nhân tạo RL mà không cần sửa đổi. Sự đồng nhất này cho thấy tiềm năng tăng quy mô công nghệ, mở ra khả năng triển khai hàng nghìn robot mà không cần điều chỉnh thủ công.

Figure AI đang định vị robot của mình là đối thủ cạnh tranh trong lĩnh vực robot hình người với robot Optimus của Tesla, Digit của Agility Robotics và robot của các công ty Trung Quốc như UBTech Robotics, Unitree Robotics. 2025 được dự đoán là năm bản lề với Figure AI khi công ty này bắt đầu tập trung sản xuất, tăng lượng robot xuất xưởng và có những tiến bộ về robot gia đình.

Mô phỏng này giúp robot tiếp xúc với nhiều tình huống thực tế như địa hình đa dạng, động lực học truyền động và những thách thức như bị trượt, vấp ngã, xô đẩy. Figure AI khẳng định, thông qua môi trường học sâu rộng này, một chính sách mạng thần kinh nhân tạo duy nhất được phát triển để quản lý các chuyển động của robot.

Một lợi thế lớn của phương pháp tiếp cận của Figure AI là khả năng chuyển đổi chính sách này trực tiếp từ mô phỏng sang robot thực mà không cần điều chỉnh thêm. Quá trình chuyển đổi liền mạch đảm bảo khả năng đi bộ khéo léo giống người trong nhiều môi trường khác nhau. Phương pháp đào tạo dựa trên RL giúp giảm đáng kể chu kỳ phát triển, đồng thời nâng cao khả năng thích ứng và độ tin cậy của robot.

Figure 02 hiện có thể thực hiện các chuyển động giống người bao gồm tiếp đất bằng gót chân, ngón chân và vung tay đồng bộ. Những cải tiến này đạt được bằng cách sử dụng quy trình đào tạo RL, "thưởng" cho robot khi nó bắt chước cách đi bộ của con người, đồng thời tối ưu hóa vận tốc, hiệu quả năng lượng và độ bền bỉ.

TH