新智元报道

编辑：元宇

【新智元导读】Figure 03这次不像是机器人，更像第一次真正「住进」了人类的厨房。

帮你洗碗的家务机器人来了?

刚刚，一段Figure 03在厨房干活的视频被网友刷爆了。

它是Figure AI推出的最新机器人，搭载了其最新的Helix 02系统。

与早期的Helix仅能控制上半身相比，Helix 02实现了全身级自主控制，显著提升了其在真实环境中自主决策和全身动作控制的能力。

在视频中，Figure03在厨房里「像人一样」干起活来，全程无需人工干预。

Figure03的一些小动作，直接把很多网友都看呆了。

比如，当它正准备转身把抓起的厨房用具放入洗碗机时，身旁打开的抽屉挡住了它的去路。

按照以往逻辑，机器人大概率会先放下手里的东西，转身，用手关上抽屉，再重新拿起碗碟。

但Figure 03只是身体顺势一转，用胯部轻轻一顶，就把抽屉关上了，动作丝滑如行云流水，就像人们在厨房中忙乱时的下意识动作一样。

不仅如此，它还会用脚抬起洗碗机门，这说明它已经具备了利用全身协作的能力，能够将整个身体作为工具，而不仅仅依赖双手。

Figure AI宣称，Helix 02是他们迄今为止能力最强的人形机器人模型，它采用了单一的神经系统，在整个房间范围内实现「灵巧、长时程的自主行为」。

Figure创始人Brett Adcock直言，「会跳舞的机器人并不稀奇，难的是实现智能控制」。

Figure 03所展现的「智能控制」突破，主要体现在以下核心能力上：

• 受限环境下的稳健操作：即便手持易碎品（如玻璃杯），机器人也能在移动中保持步伐稳定与抓握精准，确保物品平稳不晃动。

• 全程双手协同：在物体的拾取、传递、堆叠及放置过程中，双臂不再是独立运作，而是作为一个整体系统进行完美的协调配合。

• 跨尺度运动控制：基于同一神经网络，Figure 03既能执行毫米级的手指微操，又能驾驭房间尺度的全身移动，其动态控制范围跨越了四个数量级。

除上述运动控制外，Figure 03还展现了长时序的动作规划能力。

它能够按逻辑顺序执行包含移动与操作的复杂任务序列，并具备隐式的错误恢复机制，从而在数分钟的连续执行中保持任务状态不掉线。

Figure 03的自主性与未来感设计引发了热烈讨论。

推特用户Chubby盛赞其「拟人化」的步伐和设计是革命性的进步。

许多网友对Figure 03的自主性和设计而感到惊叹，认为这是革命性的进步。

然而，并非所有人都为此买单。

网友Zamiel Cano直言，在Tesla Optimus面前，其他机器人都显得「毫无价值」，并坚信Optimus终将主宰整个行业。

告别「回合制」

把「走路+干活」揉成一个大脑

视频中的Figure03，展示了惊人的「全身协同」能力。

它不再把身体拆分成「走路的腿」和「干活的手」，而是像人一样，把整个身体当成一个统一的工具。

这标志着Helix02突破了几十年来传统机器人领域最棘手的难题之一：真正统一行走与操作。

因为在传统机器人的大脑里，走路和干活是两套完全分开的程序。

它们就像在玩回合制游戏：

第一回合：走到桌子前（停止腿部运动，站稳）。

第二回合：伸出手臂（锁定下盘，只动上半身）。

第三回合：抓住物体（收回手臂）。

第四回合：再次启动腿部（转身，走）。

这种模式不仅效率极低，而且充满了机械的僵硬感。

真正的自主性需要一个能够同时对全身进行推理的单一学习系统。

该系统能持续感知、决策并行动，比如在搬运物品的同时行走，在伸手够物时调整平衡，并实时从错误中恢复。

Helix02正是如此。

它第一次把人形机器人的「走路+干活」揉成一个大脑，实现了「行走-操作」的真正统一。

Helix 02在原有的系统1（System 1， S1）、系统2（System 2， S2）架构的基础上，新增了一个基础层：系统0（System 0， S0）。

每个系统都以自身的自然时间尺度运行。

S2（大脑）负责理解复杂的指令，缓慢地进行目标推理：解读场景、理解语言并规划行为序列。

S1（脊髓）负责敏捷的动作执行，快速思考，以200 Hz的频率将感知转化为全身关节的目标指令。

S0（小脑）负责稳健的身体控制，以1 kHz 的频率执行，负责全身的平衡、接触与协调。

S0

基于人类数据的「运动直觉」

S0为机器人提供「运动直觉」，它是一个用于机器人全身控制的基础模型，是Helix 02物理具身的核心基础。

当更高层级负责任务推理与规划时，S0确保每个动作都能平稳、安全且稳定地执行。

S0并非为行走、转向、蹲下或伸手等动作分别设计奖励函数，而是直接从大量且多样化的运动数据中学习追踪人体动作。

Figure投喂了超过1000小时的关节级重定向人类运动数据，而S0则是在不断的仿真模拟中，模仿这些人类的动作。

S0的出现，让Figure03直接获得了一种类似于人类「直觉」的能力。

S1

掌心长眼、触觉通神，它能为你捏起一颗药片

在最初的Helix中，S1只负责上半身控制，输入也仅限于关节状态和图像。

而在Helix 02中，S1连接了全部传感器，并直接控制整个机器人。

输入，通过头部摄像头、掌心摄像头、指尖触觉传感器，以及全身本体感知。

输出，通过覆盖整个机器人的关节级控制：包括双腿、躯干、头部、手臂、手腕以及每一根手指。

这种从感知到全身执行的一体化架构，让S1能把机器人自身状态与环境视为一个强耦合系统来整体推理。

如果说全身协同让Figure03的行动有了「人样儿」，那么手部操作的进化，则让它真正具备了「干细活」的能力。

比如处理类似洗碗、帮老人拿药这些家庭环境中极其细腻的任务，Helix02通过配合Figure03的新硬件，完美解决了这个问题。

其中，掌心摄像头和触觉传感器是Figure 03带来的新硬件能力。

掌心摄像头在物体被头部摄像头遮挡时，提供关键的手内视觉反馈。

每个指尖内嵌的触觉传感器能检测低至3克的力，灵敏到足以感知一枚回形针，从而实现具备接触感知、可精细调节力度的抓取。

这些感知能力真正释放了五指灵巧手的潜力，让Helix能应对需要多指精细控制的复杂操作。

在演示中，我们看到了Figure 03在灵巧任务中令人惊叹的场景：

任务1：拧开瓶盖

Figure03必须在施加持续且受控的旋转以拧下瓶盖时，保持瓶子的稳定，同时避免打滑或压碎容器。

这需要双手协调配合，并通过触觉调节握力与扭矩控制。

任务2：从药盒中找出并取出药片

Figure 03必须从药盒中定位并取出一粒小药片，而药片常常被遮挡无法被头部摄像头看到。

任务3：从注射器中精确推出5毫升液体

这需要手掌级别的视觉反馈以及触觉引导的精准抓取。

面对药盒里细小且不规则的药片，甚至是那些被遮挡的药片，Figure03没有丝毫犹豫。

Figure 03必须精确推进注射器活塞，以释放指定体积的液体，这需要具备触觉反馈的力控驱动，以及多指协同的稳定操作。

任务4：从杂乱的箱子中拾取金属零件

Figure 03必须从一堆相互重叠、遮挡且在交互过程中会移动的物体中取出小型金属部件。

这需要在杂乱环境中具备可靠的视觉抓取选择能力，并通过触觉确认抓取的稳固性。

在这些灵巧任务中，Figure03展示了完美的「分寸感」。

比如在拧瓶盖任务中，它能实时感知摩擦力的变化，施加连续且可控的旋转力。在处理注射器时，它更是能精确控制推注的体积。

这种指尖上的进化，意味着机器人终于可以胜任家庭场景的细腻任务，真正具备了「干细活」的能力。

这一切，都要归功于S1。

它是一个「全传感器输入，全关节输出」的强大视觉-运动策略层，它把眼睛看到的（头部和掌心）、手指摸到的（触觉传感器）、身体感受到的（本体感知），全部融合成一个整体，以每秒200次的频率指挥全身关节配合。

它让机器人不再是「盲人摸象」，而是真正的「眼手心合一」。

S2：场景理解与语言

系统2仍然是语义推理层：处理场景、理解语言，并为S1生成潜在目标。

Helix 02大幅扩展了S2所能指定的行为范围。

从以往「拿起番茄酱」这样简单操作，扩展到了一些更复杂的任务，比如走到洗碗机前并打开它、把碗端到台面上、回到顶层架子，拿起杯子……

S2无需规划底层的步态或具体指定如何协调手臂与腿部动作。

它生成一系列语义隐变量，由S1解释为运动指令，并由S0执行。

自主长时程移动操作

得益于对S1、S2、S0在运动能力、推理、感知、灵巧性等方面能力的全面整合，Helix 02能够执行连续的、持续数分钟的任务。

我们看到了S0负责稳健的身体控制，S1负责敏捷的动作执行，而S2则负责理解我们那些复杂的指令。

以前我们需要给机器人写代码才能让它动，现在，你只需要对它说：「把杯子放入洗碗机」。

S2会听懂这句话，把它拆解成「走到水槽」「拿起杯子」「走到洗碗机」「放好」等一系列意图；

S1会指挥手眼配合去抓杯子；S0则会确保在这个过程中，机器人不会因为踩到地上的水渍而滑倒。

如果说以前机器人是「计算」出来的平衡，现在机器人是「感觉」到了平衡。

它不再需要为每一个微小的动作写说明书，而是把人类千万年进化出来的「肌肉记忆」，直接装进了自己的神经网络里，真正实现了全身级自主控制。

这次Figure 03厨房秀，让人突然意识到机器人开始有「身体直觉」了。

也许当它真正量产走进人类厨房时，那个「今天谁洗碗？」的难题可能将不复存在了。

参考资料：

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

秒追ASI