自從在春晚上，機器人展示了各種吹拉彈唱技能之后，很難讓人不做進一步想象：搞快點，傳說中的家務機器人能不能再搞快點。

就是這個三月，人形機器人公司 Figure 發(fā)布了一段新視頻，沒有跳舞，沒有翻跟頭，就是展示家務技能。

一臺 Figure 03 機器人走進一間散亂的客廳，環(huán)顧四周一圈，然后開始干活：把地上的玩具撿起來丟進收納箱，拿起噴霧劑噴在茶幾上再用毛巾擦干凈，把沙發(fā)上的抱枕拍松扔回原位，甚至拿起遙控器按下關機鍵把電視關掉。全程沒有任何人類指令，沒有遙控操作，一鏡到底。

這段視頻在社交媒體上迅速傳播，比起各種「酷炫」的機器人 demo，它做的事情很平凡——都是你每天回家后不想做、但又不得不做的事。

這正是 Figure 想要傳達的信號。

不是新硬件，是新「大腦」

特別的是，Figure 并不是發(fā)布一臺新機器人，硬件仍然是去年 10 月發(fā)布的 Figure 03。這次帶來升級變化的，是一套全新的 AI 控制系統(tǒng) Helix。

Helix 02 的核心突破在于一個概念：全身自主性（full-body autonomy）。此前的人形機器人，包括 Figure 自己的上一代系統(tǒng) Helix，大多只能控制上半身，能站在原地伸手抓東西已經算不錯了。走動的時候，系統(tǒng)需要先停下手上的動作、穩(wěn)定身體、邁步、再停下來、再伸手。

這種「走-停-做-停-走」的模式意味著機器人但凡做點什么，可能需要花上你自己做的十倍時間，完全本末倒置。

Helix 02 把這個過程徹底打通了。它用一個單一的神經網絡同時控制行走、平衡和操作，機器人可以一邊走路一邊端著碗，可以在手上拿著東西的時候用胯關門，甚至可以在雙手被占用時用腳把洗碗機的門踢開。

這聽起來像是人做家務時最自然不過的動作，但對機器人來說，這是一個困擾了學術界和工業(yè)界數十年的難題，loco-manipulation，即移動與操作的統(tǒng)一控制。

連馬斯克都不禁要來問：真是自主嗎？

為家庭而生的硬件

Helix 02 的架構分為三層，可以類比人類的思考方式：

System 2（慢思考）負責語義理解：看一眼客廳，判斷哪些東西是亂的、應該放哪兒去、先做什么后做什么。這一層處理的是「理解」和「規(guī)劃」。

System 1（快思考）負責把理解轉化為動作：以每秒 200 次的頻率將視覺、觸覺、本體感知等所有傳感器的數據轉化成全身關節(jié)的目標位置。這一層處理的是「決策」。

System 0（本能層）是這次最大的新增。它以每秒 1000 次的頻率運行，負責平衡、接觸和全身協調。Figure 用超過1000 小時的人類運動數據和模擬環(huán)境中的強化學習訓練出了這個底層控制器。用 Figure 的話說，這個 10M 參數的神經網絡替代了原來 109，504 行手寫 C++代碼。

這個三層結構的結果就是：機器人看起來不再像一個在執(zhí)行預編程指令的機器，而更像一個正在「做家務」的人——動作連貫、有節(jié)奏、偶爾還會做出一些看起來很「聰明」的臨時決策（比如把杯子挪開檢查污漬）。

Helix 02 之所以能做到這些，也離不開 Figure 03 這個硬件平臺的配合。這臺機器人身高 5 英尺 8 英寸（約 168 厘米），體重 61 公斤，一次充電可以工作 5 小時。相比上一代的 Figure 02，它有幾個關鍵變化：

手掌攝像頭和觸覺傳感器。每只手的掌心都內嵌了一個廣角攝像頭，在主攝像頭被遮擋時（比如伸手進柜子里摸東西）提供近距離視覺反饋。每個指尖都有觸覺傳感器，靈敏到可以感知 3 克的力。這使得機器人能從一堆散亂的小物件中精準地拾取單個目標，甚至能用注射器精確推出 5 毫升液體。

全身覆蓋軟性材料。不再是冷冰冰的金屬外殼，而是可拆卸、可清洗的軟面料，戰(zhàn)略性地放置了多密度泡沫來防止夾傷。

無線充電。腳底內嵌感應線圈，站上充電底座即可以 2 千瓦功率充電。不需要人去插線，機器人可以自己走去充電。

這些細節(jié)指向一個明確的產品定位：Figure 03 不是一臺實驗室樣機，而是一臺為了進入家庭而設計的消費品。

年初底發(fā)布時，Figure 把演示場景選在了廚房，機器人自主完成了一個長達 4 分鐘的完整任務。

走到洗碗機前、打開門、取出碗碟、走到櫥柜前放好、再走回來裝載臟碗碟、關門啟動。全程 61 個連續(xù)動作，無中斷。Figure 稱這是「人形機器人迄今為止完成的最長時間、最復雜的自主任務」。

3 月這次的演示，則把難度往上推了一層，來到了客廳。廚房雖然復雜，但物品擺放相對固定、動作路徑相對可預測?？蛷d則是一個每天都在變的空間。

玩具散落的位置不同，沙發(fā)墊的狀態(tài)不同，茶幾上的杯子數量不同。軟性物品（毛巾、抱枕）的物理行為難以預測。家具之間的通道狹窄，需要側身通過。很多動作需要雙手配合，另一些則需要在任務進行中臨時騰出一只手。

而且這次演示還加入了工具使用——噴霧瓶 + 擦拭、遙控器按鍵——這要求機器人不僅理解物品「是什么」，還要理解物品「怎么用」。

Figure 強調了一個關鍵點：從廚房到客廳，Helix 02 沒有更換任何算法，也沒有做任何專項工程優(yōu)化，僅僅是增加了訓練數據。同一套通用架構，喂更多數據就能學會新技能。

這暗示了一個令人興奮的擴展邏輯：如果收拾客廳只需要「多看幾遍示范」，那收拾臥室、整理衣柜、澆花、喂貓呢？大有可為啊。

「家用機器人時代」真的來了嗎？

先潑一盆冷水。

目前 Figure 03 的估計售價在 5 萬到 10 萬美元之間。即便 Figure 提出了訂閱制（robot-as-a-service）的商業(yè)模式，每臺機器人年均產生約 5000 美元收入，這個價格也遠非普通家庭可以承受。而且，演示視頻和真實家庭環(huán)境之間還是存在差距。

另外，視頻中的客廳雖然看起來很「日?！?，但它仍然是一個受控場景。真實家庭有寵物、有小孩、有堆滿快遞盒的角落、有你三周沒洗的衣服堆。

但換一個角度看，Helix 02 的意義不在于它今天就能上崗，而在于它證明了一個路徑的可行性：用單一通用 AI 架構 + 更多數據 = 更多家務技能。

這和大語言模型的 scaling law 有異曲同工之處，ChatGPT 不是被專門編程來寫詩或寫代碼的——它只是在更多文本上訓練，就涌現出了這些能力。

Helix 02 展示的是同樣的邏輯在物理世界的映射：一個神經網絡，不需要為每個新任務重新工程，只需要更多的運動數據。

如果這個邏輯成立，那么人形機器人的進化速度將不再取決于工程師寫了多少行代碼，而取決于它「看過」多少種家務場景。而家務場景的數據采集，恰恰是最容易規(guī)?；摹吘?，每個人的家里每天都在產生這些數據。

Figure 目前的制造工廠 BotQ 已經具備年產萬臺的能力，目標是四年內累計生產 十萬臺。每一臺出貨的機器人都是一個數據采集終端，它們在不同家庭中遇到的每一個新場景，都會通過 10Gbps 毫米波無線回傳變成下一版 Helix 的訓練素材。

用 Brett Adcock 的話說，制約他們出貨的不是需求，恰恰是 AI 還不夠通用。而 Helix 02 的客廳演示，讓「夠通用」這個目標又近了一步。

從跳舞到收拾客廳， Helix 02 邁出的這一步，可能比任何后空翻都更接近未來。機器人不再需要證明自己有多酷，它需要證明自己有多有用。