機(jī)器人成精了？Figure 03下廚房，不經(jīng)意關(guān)抽屜那一下，太像人了

新智元報道

編輯：元宇

【新智元導(dǎo)讀】Figure 03這次不像是機(jī)器人，更像第一次真正「住進(jìn)」了人類的廚房。

幫你洗碗的家務(wù)機(jī)器人來了?

剛剛，一段Figure 03在廚房干活的視頻被網(wǎng)友刷爆了。

它是Figure AI推出的最新機(jī)器人，搭載了其最新的Helix 02系統(tǒng)。

與早期的Helix僅能控制上半身相比，Helix 02實現(xiàn)了全身級自主控制，顯著提升了其在真實環(huán)境中自主決策和全身動作控制的能力。

在視頻中，F(xiàn)igure03在廚房里「像人一樣」干起活來，全程無需人工干預(yù)。

Figure03的一些小動作，直接把很多網(wǎng)友都看呆了。

比如，當(dāng)它正準(zhǔn)備轉(zhuǎn)身把抓起的廚房用具放入洗碗機(jī)時，身旁打開的抽屜擋住了它的去路。

按照以往邏輯，機(jī)器人大概率會先放下手里的東西，轉(zhuǎn)身，用手關(guān)上抽屜，再重新拿起碗碟。

但Figure 03只是身體順勢一轉(zhuǎn)，用胯部輕輕一頂，就把抽屜關(guān)上了，動作絲滑如行云流水，就像人們在廚房中忙亂時的下意識動作一樣。

不僅如此，它還會用腳抬起洗碗機(jī)門，這說明它已經(jīng)具備了利用全身協(xié)作的能力，能夠?qū)⒄麄€身體作為工具，而不僅僅依賴雙手。

Figure AI宣稱，Helix 02是他們迄今為止能力最強的人形機(jī)器人模型，它采用了單一的神經(jīng)系統(tǒng)，在整個房間范圍內(nèi)實現(xiàn)「靈巧、長時程的自主行為」。

Figure創(chuàng)始人Brett Adcock直言，「會跳舞的機(jī)器人并不稀奇，難的是實現(xiàn)智能控制」。

Figure 03所展現(xiàn)的「智能控制」突破，主要體現(xiàn)在以下核心能力上：

• 受限環(huán)境下的穩(wěn)健操作：即便手持易碎品（如玻璃杯），機(jī)器人也能在移動中保持步伐穩(wěn)定與抓握精準(zhǔn)，確保物品平穩(wěn)不晃動。

• 全程雙手協(xié)同：在物體的拾取、傳遞、堆疊及放置過程中，雙臂不再是獨立運作，而是作為一個整體系統(tǒng)進(jìn)行完美的協(xié)調(diào)配合。

• 跨尺度運動控制：基于同一神經(jīng)網(wǎng)絡(luò)，F(xiàn)igure 03既能執(zhí)行毫米級的手指微操，又能駕馭房間尺度的全身移動，其動態(tài)控制范圍跨越了四個數(shù)量級。

除上述運動控制外，F(xiàn)igure 03還展現(xiàn)了長時序的動作規(guī)劃能力。

它能夠按邏輯順序執(zhí)行包含移動與操作的復(fù)雜任務(wù)序列，并具備隱式的錯誤恢復(fù)機(jī)制，從而在數(shù)分鐘的連續(xù)執(zhí)行中保持任務(wù)狀態(tài)不掉線。

Figure 03的自主性與未來感設(shè)計引發(fā)了熱烈討論。

推特用戶Chubby盛贊其「擬人化」的步伐和設(shè)計是革命性的進(jìn)步。

許多網(wǎng)友對Figure 03的自主性和設(shè)計而感到驚嘆，認(rèn)為這是革命性的進(jìn)步。

然而，并非所有人都為此買單。

網(wǎng)友Zamiel Cano直言，在Tesla Optimus面前，其他機(jī)器人都顯得「毫無價值」，并堅信Optimus終將主宰整個行業(yè)。

還有網(wǎng)友認(rèn)為Figure 03只能做到在飯后清理餐桌、把餐具放進(jìn)洗碗機(jī)這些還不夠，還要能夠規(guī)劃餐食并訂購食材。

告別「回合制」

把「走路+干活」揉成一個大腦

視頻中的Figure03，展示了驚人的「全身協(xié)同」能力。

它不再把身體拆分成「走路的腿」和「干活的手」，而是像人一樣，把整個身體當(dāng)成一個統(tǒng)一的工具。

這標(biāo)志著Helix02突破了幾十年來傳統(tǒng)機(jī)器人領(lǐng)域最棘手的難題之一：真正統(tǒng)一行走與操作。

因為在傳統(tǒng)機(jī)器人的大腦里，走路和干活是兩套完全分開的程序。

它們就像在玩回合制游戲：

第一回合：走到桌子前（停止腿部運動，站穩(wěn)）。

第二回合：伸出手臂（鎖定下盤，只動上半身）。

第三回合：抓住物體（收回手臂）。

第四回合：再次啟動腿部（轉(zhuǎn)身，走）。

這種模式不僅效率極低，而且充滿了機(jī)械的僵硬感。

真正的自主性需要一個能夠同時對全身進(jìn)行推理的單一學(xué)習(xí)系統(tǒng)。

該系統(tǒng)能持續(xù)感知、決策并行動，比如在搬運物品的同時行走，在伸手夠物時調(diào)整平衡，并實時從錯誤中恢復(fù)。

Helix02正是如此。

它第一次把人形機(jī)器人的「走路+干活」揉成一個大腦，實現(xiàn)了「行走-操作」的真正統(tǒng)一。

Helix 02在原有的系統(tǒng)1（System 1，S1）、系統(tǒng)2（System 2，S2）架構(gòu)的基礎(chǔ)上，新增了一個基礎(chǔ)層：系統(tǒng)0（System 0，S0）。

每個系統(tǒng)都以自身的自然時間尺度運行。

S2（大腦）負(fù)責(zé)理解復(fù)雜的指令，緩慢地進(jìn)行目標(biāo)推理：解讀場景、理解語言并規(guī)劃行為序列。

S1（脊髓）負(fù)責(zé)敏捷的動作執(zhí)行，快速思考，以200 Hz的頻率將感知轉(zhuǎn)化為全身關(guān)節(jié)的目標(biāo)指令。

S0（小腦）負(fù)責(zé)穩(wěn)健的身體控制，以1 kHz 的頻率執(zhí)行，負(fù)責(zé)全身的平衡、接觸與協(xié)調(diào)。

S0

基于人類數(shù)據(jù)的「運動直覺」

S0為機(jī)器人提供「運動直覺」，它是一個用于機(jī)器人全身控制的基礎(chǔ)模型，是Helix 02物理具身的核心基礎(chǔ)。

當(dāng)更高層級負(fù)責(zé)任務(wù)推理與規(guī)劃時，S0確保每個動作都能平穩(wěn)、安全且穩(wěn)定地執(zhí)行。

S0并非為行走、轉(zhuǎn)向、蹲下或伸手等動作分別設(shè)計獎勵函數(shù)，而是直接從大量且多樣化的運動數(shù)據(jù)中學(xué)習(xí)追蹤人體動作。

Figure投喂了超過1000小時的關(guān)節(jié)級重定向人類運動數(shù)據(jù)，而S0則是在不斷的仿真模擬中，模仿這些人類的動作。

S0的出現(xiàn)，讓Figure03直接獲得了一種類似于人類「直覺」的能力。

S1

掌心長眼、觸覺通神，它能為你捏起一顆藥片

在最初的Helix中，S1只負(fù)責(zé)上半身控制，輸入也僅限于關(guān)節(jié)狀態(tài)和圖像。

而在Helix 02中，S1連接了全部傳感器，并直接控制整個機(jī)器人。

輸入，通過頭部攝像頭、掌心攝像頭、指尖觸覺傳感器，以及全身本體感知。

輸出，通過覆蓋整個機(jī)器人的關(guān)節(jié)級控制：包括雙腿、軀干、頭部、手臂、手腕以及每一根手指。

這種從感知到全身執(zhí)行的一體化架構(gòu)，讓S1能把機(jī)器人自身狀態(tài)與環(huán)境視為一個強耦合系統(tǒng)來整體推理。

如果說全身協(xié)同讓Figure03的行動有了「人樣兒」，那么手部操作的進(jìn)化，則讓它真正具備了「干細(xì)活」的能力。

比如處理類似洗碗、幫老人拿藥這些家庭環(huán)境中極其細(xì)膩的任務(wù)，Helix02通過配合Figure03的新硬件，完美解決了這個問題。

其中，掌心攝像頭和觸覺傳感器是Figure 03帶來的新硬件能力。

掌心攝像頭在物體被頭部攝像頭遮擋時，提供關(guān)鍵的手內(nèi)視覺反饋。

每個指尖內(nèi)嵌的觸覺傳感器能檢測低至3克的力，靈敏到足以感知一枚回形針，從而實現(xiàn)具備接觸感知、可精細(xì)調(diào)節(jié)力度的抓取。

這些感知能力真正釋放了五指靈巧手的潛力，讓Helix能應(yīng)對需要多指精細(xì)控制的復(fù)雜操作。

在演示中，我們看到了Figure 03在靈巧任務(wù)中令人驚嘆的場景：

任務(wù)1：擰開瓶蓋

Figure03必須在施加持續(xù)且受控的旋轉(zhuǎn)以擰下瓶蓋時，保持瓶子的穩(wěn)定，同時避免打滑或壓碎容器。

這需要雙手協(xié)調(diào)配合，并通過觸覺調(diào)節(jié)握力與扭矩控制。

任務(wù)2：從藥盒中找出并取出藥片

Figure 03必須從藥盒中定位并取出一粒小藥片，而藥片常常被遮擋無法被頭部攝像頭看到。

任務(wù)3：從注射器中精確推出5毫升液體

這需要手掌級別的視覺反饋以及觸覺引導(dǎo)的精準(zhǔn)抓取。

面對藥盒里細(xì)小且不規(guī)則的藥片，甚至是那些被遮擋的藥片，F(xiàn)igure03沒有絲毫猶豫。

Figure 03必須精確推進(jìn)注射器活塞，以釋放指定體積的液體，這需要具備觸覺反饋的力控驅(qū)動，以及多指協(xié)同的穩(wěn)定操作。

任務(wù)4：從雜亂的箱子中拾取金屬零件

Figure 03必須從一堆相互重疊、遮擋且在交互過程中會移動的物體中取出小型金屬部件。

這需要在雜亂環(huán)境中具備可靠的視覺抓取選擇能力，并通過觸覺確認(rèn)抓取的穩(wěn)固性。

在這些靈巧任務(wù)中，F(xiàn)igure03展示了完美的「分寸感」。

比如在擰瓶蓋任務(wù)中，它能實時感知摩擦力的變化，施加連續(xù)且可控的旋轉(zhuǎn)力。在處理注射器時，它更是能精確控制推注的體積。

這種指尖上的進(jìn)化，意味著機(jī)器人終于可以勝任家庭場景的細(xì)膩任務(wù)，真正具備了「干細(xì)活」的能力。

這一切，都要歸功于S1。

它是一個「全傳感器輸入，全關(guān)節(jié)輸出」的強大視覺-運動策略層，它把眼睛看到的（頭部和掌心）、手指摸到的（觸覺傳感器）、身體感受到的（本體感知），全部融合成一個整體，以每秒200次的頻率指揮全身關(guān)節(jié)配合。

它讓機(jī)器人不再是「盲人摸象」，而是真正的「眼手心合一」。

S2：場景理解與語言

系統(tǒng)2仍然是語義推理層：處理場景、理解語言，并為S1生成潛在目標(biāo)。

Helix 02大幅擴(kuò)展了S2所能指定的行為范圍。

從以往「拿起番茄醬」這樣簡單操作，擴(kuò)展到了一些更復(fù)雜的任務(wù)，比如走到洗碗機(jī)前并打開它、把碗端到臺面上、回到頂層架子，拿起杯子……

S2無需規(guī)劃底層的步態(tài)或具體指定如何協(xié)調(diào)手臂與腿部動作。

它生成一系列語義隱變量，由S1解釋為運動指令，并由S0執(zhí)行。

自主長時程移動操作

得益于對S1、S2、S0在運動能力、推理、感知、靈巧性等方面能力的全面整合，Helix 02能夠執(zhí)行連續(xù)的、持續(xù)數(shù)分鐘的任務(wù)。

我們看到了S0負(fù)責(zé)穩(wěn)健的身體控制，S1負(fù)責(zé)敏捷的動作執(zhí)行，而S2則負(fù)責(zé)理解我們那些復(fù)雜的指令。

以前我們需要給機(jī)器人寫代碼才能讓它動，現(xiàn)在，你只需要對它說：「把杯子放入洗碗機(jī)」。

S2會聽懂這句話，把它拆解成「走到水槽」「拿起杯子」「走到洗碗機(jī)」「放好」等一系列意圖；

S1會指揮手眼配合去抓杯子；S0則會確保在這個過程中，機(jī)器人不會因為踩到地上的水漬而滑倒。

如果說以前機(jī)器人是「計算」出來的平衡，現(xiàn)在機(jī)器人是「感覺」到了平衡。

它不再需要為每一個微小的動作寫說明書，而是把人類千萬年進(jìn)化出來的「肌肉記憶」，直接裝進(jìn)了自己的神經(jīng)網(wǎng)絡(luò)里，真正實現(xiàn)了全身級自主控制。

這次Figure 03廚房秀，讓人突然意識到機(jī)器人開始有「身體直覺」了。

也許當(dāng)它真正量產(chǎn)走進(jìn)人類廚房時，那個「今天誰洗碗？」的難題可能將不復(fù)存在了。

參考資料：

https://www.figure.ai/news/helix-02