逆天！機器人終于學會了刷碗，還能用胯胯軸關抽屜

幾小時前，Figure AI 發布了 Helix 02 ——官方稱之為「一個視覺-語言-動作（VLA）通用模型」。

最直觀的展示？一臺 Figure 03 機器人走到碗柜前，打開柜門，從堆疊的碗碟中挑出一個，轉身走向洗碗機，調整角度，穩穩放進去。

全程自主，沒人遙控，更沒有一個碗碟受到傷害：

洗碗：具身智能的「地獄難度」測試 為什么演示下廚房？因為這是家務勞動里的「地獄難度」。

人類挪動廚具感覺很簡單，但對于機器人來說，每一個關節的運動都是挑戰。

我們拆解一下洗碗的動作鏈就知道了——

首先，它非常考驗機器人的環境識別與空間移動能力：

機器人（與機器人使用的模型）要判斷自己的位置，識別碗柜、水槽、洗碗機的位置關系，然后規劃路線走過去。

走到碗柜旁邊，還得停在合適距離——太近打不開柜門，太遠夠不著碗。

看到餐具之后，還得識別類型：瓷盤、玻璃杯、塑料碗，每種都需要不同的姿勢和力度。

捧起來，還得檢測要放進洗碗機的哪個位置，盤子放下層、杯子放上層，餐具放側邊。

其次，下廚房對立體視覺與觸覺反饋也有要求：

陶瓷很脆、玻璃很滑、塑料會變形，機器人需要精準的觸覺反饋控制力度——太輕會滑落，太重會捏碎。

Helix 02 模型的突破就在這里。

結合視覺、觸覺、壓力、電感等等多種 sensor，它有了一套多維度的立體視覺能力，能準確判斷碗在堆疊中的位置和深度。

Figure 03 機器人的手上也集成了力反饋機制，能「認知」到自己施加的力量，知道何時接觸到了瓷器表面。

抓碗時，系統實時感知接觸力度。碗放歪了？調角度。碰到柜門了？后退一點。

最后，還有視覺記憶，這也是 Helix 02 模型本次的主要升級點：

這意味著機器人能記住剛才看過的東西。

打開碗柜時，即使現在的角度看不到某個碗，它也記得剛才瞥見過，并根據記憶調整動作。

重復把放碗進洗碗機時，它也能記得哪些位置滿了，哪里還有空間——

不需要每次重新掃描，大大提高了動作的執行效率。

Brett Adcock，Figure AI 的創始人兼 CEO 在 X 上強調：

沒有遠程遙控，運行（這個機器人）的是 Helix，從走路到抓握，以及規劃。

Brett Adcock 還重申，同樣的通用架構之前讓機器人學會了疊毛巾、整理包裹，現在又學會了洗碗。

不需要任何新算法或任務專用工程，只需要新數據。

眼下唯一的限制就是預訓練數據，只要我們給 Helix 喂入更多數據，機器人就能處理更多任務。硬件不需要任何改變，它已經能做大部分人類能做的任務了。

這條推文下面，有 X 用戶評論：「第一次看到人形機器人真的在家里做任務，讓我意識到我們離這個未來有多近。」

把機器人送進寶馬打工的明星公司

另一邊，Figure AI 絕不是那種在實驗室里紙上談兵的「創想公司」。

三年的時間里，Figure AI 的估值從 0 來到 390 億美元，得到了包括貝佐斯基金、OpenAI、微軟、英偉達的投資助力。

2024 年 2 月，Figure AI 結束 6.75 億美元 B 輪募資，25 年 9 月又完成了 10 億美元 C 輪，渴求進步的速度快得驚人。

創始人 Brett Adcock 還是個成功的連續創業者。

2018 年，Adcock 把招聘平臺 Vettery 賣了 1 億美元，轉頭創辦電動飛機公司 Archer Aviation，2021 年借助 SPAC 上市時合并估值近 38 億美元。

進入機器人領域后，Adcock 陸續從波士頓動力、特斯拉、谷歌 DeepMind 挖來了一堆頂尖人才，Figure AI 的技術實力迅速增長。

▲ Brett Adcock（右）

這種人才模式也賦予了 Figure AI 最大的特點：

「腦子」和「身體」一起造，既掌控硬件、也生產系統。

這里的「腦子」指的自然是 Helix AI。

從最初與 OpenAI 合作研發，到現在完全自研，Figure AI 成功把模型話語權牢牢握在手里。

例如 Figure 03 機器人采用了一套「System 0、System 1、System 2」的多層控制架構——

▲ Figure 03

System 0 負責機身運動控制，解決機身平衡、手指接觸、環境擾動等底層控制問題，作用很像人類的小腦。

在此基礎上，System 1 負責處理 Figure 02 的視覺-運動策略（visuomotor policy），System 2 負責運行視覺語言模型：

▲ 去年演示的 Figure 02 就使用了 System 1+2 的上半身模型

三層協同，最終實現了 Figure 03 可以自主理解指令，認知周圍環境，并決定機身如何運動的循環。

而「身體」指的當然是 Figure 機器人硬件——

之前小規模試產的 Figure 02 配備 6 個 RGB 攝像頭、雙 GPU 模組，手部擁有 16 個自由度，最大搬運重量 25 公斤。

Figure 02 的電池續航在 5 小時左右，正好夠一個工作班次。

▲ Figure 02

到了最新的 Figure 03，它的每只手掌都內嵌攝像頭和觸覺傳感器，可以實現最低 3g 的壓力檢測。

換個說法就是，Figure 03 的手掌更加細致靈活了：

▲ Figure 03

更關鍵的是，Figure AI 的機器人「肯進廠」，擁有快速組裝送往實戰的能力。

2024 年 1 月，Figure AI 跟寶馬合作，把一批 Figure 02 送到了南卡羅來納州的寶馬總裝線。

在那兒，Figure 02 負責把鈑金零件精準放置到固定裝置里——大型固定式機器臂難以照顧的精細活兒。

這些 Figure 02 在寶馬累計工作了 11 個月，總行走里程近 200 英里，搬運了超過 9 萬個零件，協助生產了超過三萬輛寶馬 X3。

Adcock 還在曬出了布滿劃痕和磨損的機器人照片，表明這是一次「真刀真槍」的商業驗證：

看到機器人擰螺絲，寶馬生產部門董事 Milan Nedeljkovi? 總結：

通過早期測試，我們正在確定人形機器人在生產中的可能應用。我們未來希望可以從（機器人的）技術開發階段就參與進來。

Figure AI 跟 OpenAI 的關系也是關鍵。

比如在 2024 年，OpenAI 不僅給 Figure AI 提供了投資，甚至幫助開發了語音模型，讓機器人能接受自然語言指令。

盡管 Figure 后來轉向自研 Helix，但這段合作實質上為 VLA 模型打下了一個基礎。

無獨有偶，今年 CES 上，我們看到了一個明顯趨勢：

家電巨頭都開始挑戰「家居機器人」。

類似 LG 和海信都展示了能在家里自主移動、協助做家務的機器人原型，說明傳統家電企業紛紛開始意識到：

下一代智能家電不是算力更強的冰箱或洗衣機，而是能直接操作這些設備的機器人。

▲ LG CIOiD 家居機器人

甚至在這場「變人」競賽中，國內廠商的布局更加激進——

就在剛剛，螞蟻集團旗下靈波科技開源了具身大模型 LingBot-VLA。

LingBot- VLA 作為一個面向真實操作場景的「智能基座」，實現了機器人跨本體、跨任務泛化能力。

根據靈波科技的數據，LingBot-VLA 在包含 100 項真實操作任務的 GM-100 評測中，刷新了真機評測的成功率紀錄。

▲ 靈波科技首款機器人 Robbyant-R1

不只是螞蟻，京東、阿里、騰訊、華為、比亞迪、小米——幾乎所有科技巨頭都在布局具身智能。

2024 世界人工智能大會上發布的《人形機器人產業研究報告》指出：

2024 年中國人形機器人市場規模達 27.6 億人民幣，2029 年有望擴大至 750 億元，到 2035 年更是可能激增至 3000 億元。

遠的不說，今年春晚可能成為「機器人含量最高」的一屆。

目前已經有多家具身智能公司有望登臺展示——不是擺設，是真能上臺唱跳 rap 的那種。

機器人配齊了「腦子」和「身體」，準備好進千家萬戶了。

而 Figure AI 的 Helix 02 證明了「通用具身智能模型」的可行性：

廠商其實不需要為每個任務單獨編程，不需要收集巨量推演數據，只要一個足夠強的 VLA 模型，機器人就能自己理解指令、自己熟悉環境、自己生成策略。

▲ 它甚至知道省力

就像 GPT 之于語言，Helix 之于具身智能一樣，今天機器人能刷碗、打螺絲，明天它就能照顧你的飲食起居。

家里散養個機器人，這事兒可能真沒想象中那么遙遠了。

文｜馬扶搖