Figure AI Helix演示视频。(02:33)

此外，Helix还能够完全在嵌入式(shi)低功耗GPU上运行，可立即投入商业部署(shu)。

Figure AI表示，家庭(ting)是机(ji)器人(ren)技(ji)术(shu)面临的最大(da)挑战。与受控的工业环境不同(tong)，家庭(ting)中充斥着无数难以(yi)预测的物品。机(ji)器人(ren)要想在家庭(ting)中发挥作用(yong)，就必须能够按需(xu)生成新(xin)的智能行为，尤其是针对它们从未见过的物体。而目前，即使是教机(ji)器人(ren)学会一种新(xin)行为，也(ye)需(xu)要大(da)量的人(ren)力：要么是数小时的博(bo)士级专(zhuan)家手工编程(cheng)，要么是数千次的演示。如(ru)果考虑到家庭(ting)问题的实际规模(mo)，这两种方式(shi)的成本都高得令人(ren)望而却步(bu)。而人(ren)工智能的其他(ta)领域已经(jing)掌握了这种即时通用(yong)的方法。如(ru)果能简单地(di)将视觉语(yu)言(yan)模(mo)型（VLM）中捕(bu)捉到的丰富语(yu)义(yi)知识直接转(zhuan)化(hua)为机(ji)器人(ren)动作，将从根(gen)本上改变机(ji)器人(ren)技(ji)术(shu)的发展轨迹(ji)。而关键问题是如(ru)何从VLM中提取(qu)所有的常识性知识，并将其转(zhuan)化(hua)为可通用(yong)的机(ji)器人(ren)控制。由(you)此，Figure AI构建了Helix来弥补这一差(cha)距。

对于人(ren)形机(ji)器人(ren)上半身的控制，Helix采用(yong)了“双系统”方法。

Figure AI表示，之前的方法面临着一个根(gen)本性的权衡：VLM架构通用(yong)但不够快，而机(ji)器人(ren)的视觉运动策略快但不通用(yong)。Helix通过两个互(hu)补系统解决了这一问题，让两个系统经(jing)过端对端训练，可以(yi)进行通信。系统1（S1）：快速反应视觉运动策略，将系统2（S2）生成的潜在语(yu)义(yi)表征转(zhuan)化(hua)为精确的连续机(ji)器人(ren)动作。

这种架构让每个系统都能以(yi)其最佳时间尺度(du)运行。S2“慢思考”高层(ceng)次目标，而S1则“快思考”实时执行和调整动作。

Helix的“双系统”架构。(00:07)

据介(jie)绍(shao)，S2是基于一个70亿参数的开源、开放权重的视觉语(yu)言(yan)模(mo)型构建，该模(mo)型在互(hu)联网(wang)规模(mo)的数据上进行了预训练。S1是一个8000万参数的交叉注意力Transformer架构，依靠一个全卷(juan)积、多尺度(du)的视觉骨干网(wang)络进行视觉处理，该网(wang)络从全模(mo)拟环境中完成的预训练中构建。同(tong)时，对于分开的S1和S2，还可以(yi)分别(bie)进行迭代，而不需(xu)要寻找统一的观察空间或动作表示。

Figure AI表示，他(ta)们收集了一个高质量、多机(ji)器人(ren)、多操作员的多样化(hua)遥操作行为数据集，总计约500小时。为了生成自然语(yu)言(yan)条件下的训练对，还使用(yong)了一个自动标注的VLM来生成事后指令。该VLM处理来自机(ji)器人(ren)机(ji)载摄像(xiang)头的分段视频片(pian)段，并以(yi)“为了得到这段视频中看到的动作，您会给机(ji)器人(ren)下达什么指令？”为提示。训练期间处理过的所有物品都会在评估中被排(pai)除，防止数据污染。

搭载Helix的人(ren)形机(ji)器人(ren)训练(00:13)

与其他(ta)方案相比，其速度(du)可与专(zhuan)门用(yong)于单一任务的行为克隆策略媲美，同(tong)时还能对数千个新(xin)测试对象进行零样本泛化(hua)，也(ye)可直接输出(chu)高维动作空间的连续控制。

Figure AI成立于2022年，2023年3月正式(shi)发布(bu)首款通用(yong)人(ren)形机(ji)器人(ren)Figure 01，旨在通过在制造、物流、仓储和零售等行业执行各种任务来解决全球劳动力短缺问题，曾获OpenAI、微软、英伟达、英特尔以(yi)及亚马逊创始人(ren)贝佐斯等投资，但在今(jin)年2月初，Figure AI在宣布(bu)即将公布(bu)此次的重大(da)进展时表示，将终止与OpenAI合作。

在此次Helix发布(bu)后，Figure AI创始人(ren)布(bu)雷特·阿(a)德科克（Brett Adcock）表示想要将Helix的规模(mo)扩大(da)1000倍，并称“2025年将是关键的一年，我们将开始生产、出(chu)货更多的机(ji)器人(ren)，并解决家用(yong)机(ji)器人(ren)的问题”。

阿(a)德科克也(ye)表示，还有很长的路要走，“但这是可行的”。

值(zhi)得一提的是，“人(ren)形机(ji)器人(ren)第一股”深圳市优必选科技(ji)股份有限(xian)公司（优必选，9880.HK）在Figure AI此次发布(bu)的前一天（2月20日）也(ye)刚(gang)刚(gang)宣布(bu)，针对最新(xin)的开源推理大(da)模(mo)型 DeepSeek-R1，已在人(ren)形机(ji)器人(ren)应用(yong)场景(jing)中进行了验证(zheng)，最新(xin)测试结果显示，经(jing)过多模(mo)态能力扩展的DeepSeek-R1能够让人(ren)形机(ji)器人(ren)在执行任务前结合看到的场景(jing)和接收到的指令进行思考验证(zheng)，零样本推理水平与调优后的同(tong)级别(bie)大(da)模(mo)型推理水平相当。公司将基于DeepSeek-R1研发适用(yong)于人(ren)形机(ji)器人(ren)的多模(mo)态具身推理大(da)模(mo)型，预期在真实场景(jing)的数据调优后，其表现将会进一步(bu)提升。

另一方面，OpenAI投资的另一家机(ji)器人(ren)初创公司1X宣布(bu)将在明天有新(xin)发布(bu)。

同(tong)时，OpenAI自2024年底开始也(ye)已在重组机(ji)器人(ren)部门，由(you)Meta增强现实（AR）眼镜团队前负责人(ren)凯(kai)特琳·卡(ka)利诺(nuo)夫斯基（Caitlin Kalinowski）负责机(ji)器人(ren)和消费硬件业务。今(jin)年1月末，OpenAI向美国专(zhuan)利商标局提交新(xin)的商标申请，涉及人(ren)形机(ji)器人(ren)、XR、智能手表、可穿戴设备等硬件设备。

国内(nei)的另一家机(ji)器人(ren)代表企业宇树科技(ji)近期也(ye)频繁公布(bu)人(ren)形机(ji)器人(ren)的算法升级，宇树科技(ji)创始人(ren)、CEO王兴兴也(ye)在最近的一次采访中表示，现在AI驱动机(ji)器人(ren)每天进化(hua)得非常快，AI人(ren)形机(ji)器人(ren)在今(jin)年年底前会达到一个新(xin)量级。

看来好(hao)戏(xi)才(cai)刚(gang)刚(gang)开始。