幾小時(shí)前，F(xiàn)igure AI 發(fā)布了 Helix 02 ——官方稱之為「一個(gè)視覺-語(yǔ)言-動(dòng)作（VLA）通用模型」。

最直觀的展示？一臺(tái) Figure 03 機(jī)器人走到碗柜前，打開柜門，從堆疊的碗碟中挑出一個(gè)，轉(zhuǎn)身走向洗碗機(jī)，調(diào)整角度，穩(wěn)穩(wěn)放進(jìn)去。

全程自主，沒人遙控，更沒有一個(gè)碗碟受到傷害：

洗碗：具身智能的「地獄難度」測(cè)試 為什么演示下廚房？因?yàn)檫@是家務(wù)勞動(dòng)里的「地獄難度」。

人類挪動(dòng)廚具感覺很簡(jiǎn)單，但對(duì)于機(jī)器人來說，每一個(gè)關(guān)節(jié)的運(yùn)動(dòng)都是挑戰(zhàn)。

我們拆解一下洗碗的動(dòng)作鏈就知道了——

首先，它非常考驗(yàn)機(jī)器人的環(huán)境識(shí)別與空間移動(dòng)能力：

機(jī)器人（與機(jī)器人使用的模型）要判斷自己的位置，識(shí)別碗柜、水槽、洗碗機(jī)的位置關(guān)系，然后規(guī)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(yuǎn)夠不著碗。

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

捧起來，還得檢測(cè)要放進(jìn)洗碗機(jī)的哪個(gè)位置，盤子放下層、杯子放上層，餐具放側(cè)邊。

其次，下廚房對(duì)立體視覺與觸覺反饋也有要求：

陶瓷很脆、玻璃很滑、塑料會(huì)變形，機(jī)器人需要精準(zhǔn)的觸覺反饋控制力度——太輕會(huì)滑落，太重會(huì)捏碎。

Helix 02 模型的突破就在這里。

結(jié)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(zhǔn)確判斷碗在堆疊中的位置和深度。

Figure 03 機(jī)器人的手上也集成了力反饋機(jī)制，能「認(rèn)知」到自己施加的力量，知道何時(shí)接觸到了瓷器表面。

抓碗時(shí)，系統(tǒng)實(shí)時(shí)感知接觸力度。碗放歪了？調(diào)角度。碰到柜門了？后退一點(diǎn)。

最后，還有視覺記憶，這也是 Helix 02 模型本次的主要升級(jí)點(diǎn)：

這意味著機(jī)器人能記住剛才看過的東西。

打開碗柜時(shí)，即使現(xiàn)在的角度看不到某個(gè)碗，它也記得剛才瞥見過，并根據(jù)記憶調(diào)整動(dòng)作。

重復(fù)把放碗進(jìn)洗碗機(jī)時(shí)，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(dòng)作的執(zhí)行效率。

Brett Adcock，F(xiàn)igure AI 的創(chuàng)始人兼 CEO 在 X 上強(qiáng)調(diào)：

沒有遠(yuǎn)程遙控，運(yùn)行（這個(gè)機(jī)器人）的是 Helix，從走路到抓握，以及規(guī)劃。

Brett Adcock 還重申，同樣的通用架構(gòu)之前讓機(jī)器人學(xué)會(huì)了疊毛巾、整理包裹，現(xiàn)在又學(xué)會(huì)了洗碗。

不需要任何新算法或任務(wù)專用工程，只需要新數(shù)據(jù)。

眼下唯一的限制就是預(yù)訓(xùn)練數(shù)據(jù)，只要我們給 Helix 喂入更多數(shù)據(jù)，機(jī)器人就能處理更多任務(wù)。硬件不需要任何改變，它已經(jīng)能做大部分人類能做的任務(wù)了。

這條推文下面，有 X 用戶評(píng)論：「第一次看到人形機(jī)器人真的在家里做任務(wù)，讓我意識(shí)到我們離這個(gè)未來有多近。」

把機(jī)器人送進(jìn)寶馬打工的明星公司

另一邊，F(xiàn)igure AI 絕不是那種在實(shí)驗(yàn)室里紙上談兵的「創(chuàng)想公司」。

三年的時(shí)間里，F(xiàn)igure 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(dá)的投資助力。

2024 年 2 月，F(xiàn)igure AI 結(jié)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(jìn)步的速度快得驚人。

創(chuàng)始人 Brett Adcock 還是個(gè)成功的連續(xù)創(chuàng)業(yè)者。

2018 年，Adcock 把招聘平臺(tái) Vettery 賣了 1 億美元，轉(zhuǎn)頭創(chuàng)辦電動(dòng)飛機(jī)公司 Archer Aviation，2021 年借助 SPAC 上市時(shí)合并估值近 38 億美元。

進(jìn)入機(jī)器人領(lǐng)域后，Adcock 陸續(xù)從波士頓動(dòng)力、特斯拉、谷歌 DeepMind 挖來了一堆頂尖人才，F(xiàn)igure AI 的技術(shù)實(shí)力迅速增長(zhǎng)。

▲ Brett Adcock（右）

這種人才模式也賦予了 Figure AI 最大的特點(diǎn)：

「腦子」和「身體」一起造，既掌控硬件、也生產(chǎn)系統(tǒng)。

這里的「腦子」指的自然是 Helix AI。

從最初與 OpenAI 合作研發(fā)，到現(xiàn)在完全自研，F(xiàn)igure AI 成功把模型話語(yǔ)權(quán)牢牢握在手里。

例如 Figure 03 機(jī)器人采用了一套「System 0、System 1、System 2」的多層控制架構(gòu)——

▲ Figure 03

System 0 負(fù)責(zé)機(jī)身運(yùn)動(dòng)控制，解決機(jī)身平衡、手指接觸、環(huán)境擾動(dòng)等底層控制問題，作用很像人類的小腦。

在此基礎(chǔ)上，System 1 負(fù)責(zé)處理 Figure 02 的視覺-運(yùn)動(dòng)策略（visuomotor policy），System 2 負(fù)責(zé)運(yùn)行視覺語(yǔ)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(xié)同，最終實(shí)現(xiàn)了 Figure 03 可以自主理解指令，認(rèn)知周圍環(huán)境，并決定機(jī)身如何運(yùn)動(dòng)的循環(huán)。

而「身體」指的當(dāng)然是 Figure 機(jī)器人硬件——

之前小規(guī)模試產(chǎn)的 Figure 02 配備 6 個(gè) RGB 攝像頭、雙 GPU 模組，手部擁有 16 個(gè)自由度，最大搬運(yùn)重量 25 公斤。

Figure 02 的電池續(xù)航在 5 小時(shí)左右，正好夠一個(gè)工作班次。

▲ Figure 02

到了最新的 Figure 03，它的每只手掌都內(nèi)嵌攝像頭和觸覺傳感器，可以實(shí)現(xiàn)最低 3g 的壓力檢測(cè)。

換個(gè)說法就是，F(xiàn)igure 03 的手掌更加細(xì)致靈活了：

▲ Figure 03

更關(guān)鍵的是，Figure AI 的機(jī)器人「肯進(jìn)廠」，擁有快速組裝送往實(shí)戰(zhàn)的能力。

2024 年 1 月，F(xiàn)igure 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，F(xiàn)igure 02 負(fù)責(zé)把鈑金零件精準(zhǔn)放置到固定裝置里——大型固定式機(jī)器臂難以照顧的精細(xì)活兒。

這些 Figure 02 在寶馬累計(jì)工作了 11 個(gè)月，總行走里程近 200 英里，搬運(yùn)了超過 9 萬個(gè)零件，協(xié)助生產(chǎn)了超過三萬輛寶馬 X3。

Adcock 還在曬出了布滿劃痕和磨損的機(jī)器人照片，表明這是一次「真刀真槍」的商業(yè)驗(yàn)證：

看到機(jī)器人擰螺絲，寶馬生產(chǎn)部門董事 Milan Nedeljkovi? 總結(jié)：

通過早期測(cè)試，我們正在確定人形機(jī)器人在生產(chǎn)中的可能應(yīng)用。我們未來希望可以從（機(jī)器人的）技術(shù)開發(fā)階段就參與進(jìn)來。

Figure AI 跟 OpenAI 的關(guān)系也是關(guān)鍵。

比如在 2024 年，OpenAI 不僅給 Figure AI 提供了投資，甚至幫助開發(fā)了語(yǔ)音模型，讓機(jī)器人能接受自然語(yǔ)言指令。

盡管 Figure 后來轉(zhuǎn)向自研 Helix，但這段合作實(shí)質(zhì)上為 VLA 模型打下了一個(gè)基礎(chǔ)。

無獨(dú)有偶，今年 CES 上，我們看到了一個(gè)明顯趨勢(shì)：

家電巨頭都開始挑戰(zhàn)「家居機(jī)器人」。

類似 LG 和海信都展示了能在家里自主移動(dòng)、協(xié)助做家務(wù)的機(jī)器人原型，說明傳統(tǒng)家電企業(yè)紛紛開始意識(shí)到：

下一代智能家電不是算力更強(qiáng)的冰箱或洗衣機(jī)，而是能直接操作這些設(shè)備的機(jī)器人。

▲ LG CIOiD 家居機(jī)器人

甚至在這場(chǎng)「變?nèi)恕垢?jìng)賽中，國(guó)內(nèi)廠商的布局更加激進(jìn)——

就在剛剛，螞蟻集團(tuán)旗下靈波科技開源了具身大模型 LingBot-VLA。

LingBot- VLA 作為一個(gè)面向真實(shí)操作場(chǎng)景的「智能基座」，實(shí)現(xiàn)了機(jī)器人跨本體、跨任務(wù)泛化能力。

根據(jù)靈波科技的數(shù)據(jù)，LingBot-VLA 在包含 100 項(xiàng)真實(shí)操作任務(wù)的 GM-100 評(píng)測(cè)中，刷新了真機(jī)評(píng)測(cè)的成功率紀(jì)錄。

▲ 靈波科技首款機(jī)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(huì)上發(fā)布的《人形機(jī)器人產(chǎn)業(yè)研究報(bào)告》指出：

2024 年中國(guó)人形機(jī)器人市場(chǎng)規(guī)模達(dá) 27.6 億人民幣，2029 年有望擴(kuò)大至 750 億元，到 2035 年更是可能激增至 3000 億元。

遠(yuǎn)的不說，今年春晚可能成為「機(jī)器人含量最高」的一屆。

目前已經(jīng)有多家具身智能公司有望登臺(tái)展示——不是擺設(shè)，是真能上臺(tái)唱跳 rap 的那種。

機(jī)器人配齊了「腦子」和「身體」，準(zhǔn)備好進(jìn)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(shí)不需要為每個(gè)任務(wù)單獨(dú)編程，不需要收集巨量推演數(shù)據(jù)，只要一個(gè)足夠強(qiáng)的 VLA 模型，機(jī)器人就能自己理解指令、自己熟悉環(huán)境、自己生成策略。

▲ 它甚至知道省力

就像 GPT 之于語(yǔ)言，Helix 之于具身智能一樣，今天機(jī)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(yǎng)個(gè)機(jī)器人，這事兒可能真沒想象中那么遙遠(yuǎn)了。

文｜馬扶搖