Figure AI 发布 Helix 2.5，在 30 个陌生家庭实现零样本全身自主
Figure AI 发布 Helix 2.5，在 30 个从未采集数据的湾区家庭中零样本完成整理客厅、叠毛巾和铺床三项长时程全身行为，无需在评估环境中采集数据或微调。
推荐理由：原文给出 Index 预训练对零样本泛化的对照数据和评测细节，可帮助读者理解人形机器人预训练迁移的实际水平。
#Figure AI
Figure AI精选AI 评分7979
Figure AI精选AI 评分7474 Figure 与 Nscale 签署战略协议，将部署最多 10 万块 NVIDIA Vera Rubin 平台 GPU
Figure 宣布与 Nscale 达成战略合作，将部署 NVIDIA Vera Rubin 平台最多 100,000 块 GPU，目标 2027 年下半年起在得克萨斯州 Barstow 初步部署，初始算力承诺 35 亿美元并有意愿扩大到超过 60 亿美元。
推荐理由：原文给出合作规模、金额和部署时间表等一手信息，读者可以据此了解 Figure 为训练 Helix 获取算力的具体安排。
Figure AI精选AI 评分6262 Figure AI 推出 Index 应用，构建大规模多样化机器人训练数据集
Figure AI 宣布结束隐身模式并推出 Index 应用，上架 Google Play 和 App Store，用于从全球 Creator 采集真实世界物理数据训练其 Helix AI 系统。
推荐理由：原文给出了 Index 数据管线的规模数字和五阶段处理流程，读者可以据此评估其人类数据采集路线的实际进展。
Figure AI精选AI 评分6363 Figure 03进驻BMW Spartanburg工厂执行sequencing分拣任务
Figure AI宣布Figure 03人形机器人进驻BMW Group Plant Spartanburg的Hall 52，从此前Figure 02的钣金上下料转向sequencing分拣用例，Figure 02去年曾参与装配30,000辆汽车。
推荐理由：官方公布了Figure 03在BMW工厂的部署场景与Helix 02驱动细节，读者可了解人形机器人从搬运到复杂分拣的落地进展。
Figure AI精选AI 评分6363 Figure AI 与 Catalyst Brands 签署协议，将人形机器人部署至其物流网络
Figure AI 宣布与 Catalyst Brands 达成商业协议，将 Figure 人形机器人部署到其分销与物流网络，首站为内华达州 Reno 分销物流中心，聚焦自动化供应链中的高强度体力任务。
推荐理由：原文给出商业部署落地地点和合作背景，读者可以据此了解人形机器人在物流场景的实际商业化进展。
Figure AI精选AI 评分6262 Figure AI 展示 Helix-02 双人形机器人协作整理卧室
Figure AI 展示两台搭载 Helix-02 的人形机器人在两分钟内协作整理卧室，完成开门、挂衣、收耳机、合书、倒垃圾、推椅子入桌和合作铺床。两台机器人运行同一个学习的视觉-语言-动作（VLA）策略，没有共享规划器、消息传递或中央协调器，各自通过自身摄像头从对方动作推断意图。公司称据其所知这是单个学习神经网络直接从像素到动作完成多人形协作移动操作的首次演示。
推荐理由：官方展示了同一 VLA 系统驱动的两台人形机器人协作整理卧室，读者可了解无共享规划器的多机协作实现思路。
Figure AI精选AI 评分6464 Figure 03量产提速：BotQ产能120天提升24倍至每小时1台
Figure宣布BotQ工厂已交付超过350台第三代人形机器人Figure 03，生产节拍从每天1台提升到每小时1台，120天内吞吐量提升24倍。产线由自研制造执行软件驱动，覆盖150多个联网工位，整机下线一次合格率超过80%，电池产线一次合格率99.3%，已生产9000多个执行器，每台机器人出厂前经过80多项功能验证测试。
推荐理由：官方给出量产与质检的具体数字，并说明车队规模如何支撑感知条件全身控制的落地。
Figure AI精选AI 评分8282 Figure AI发布Helix 02：人形机器人全身自主控制模型
Figure AI发布Helix 02，将控制从上半身扩展到整个人形机器人，实现连续的移动与操作一体化自主任务。新增System 0全身控制器，基于超过1000小时人体动作数据与仿真强化学习训练，以10M参数网络在1kHz输出关节指令，替换约109504行手写C++代码；System 1连接头部的视觉、掌部相机、指尖触觉与本体感知，以200Hz输出全身关节目标。
推荐理由：原文给出Helix 02的架构分层、训练数据与演示任务细节，读者可以据此了解全身自主控制的具体实现路线。
Figure AI精选AI 评分7878 Figure 02 在 BMW Spartanburg 工厂运行11个月参与生产超3万辆X3，正式启动退役
Figure AI 发布 Figure 02 在 BMW Group Plant Spartanburg 部署11个月的结果：每天工作日运行10小时班次，装载超90,000个钣金件，累计运行超1,250小时，参与生产超30,000辆X3，机器人行走约120万步合200多英里。
推荐理由：厂商公布了11个月产线部署的具体KPI和硬件失效改进，读者可据此了解人形机器人在汽车产线的实际运行状况。
Figure AI精选AI 评分6767 Figure AI 发布第三代人形机器人 Figure 03
Figure AI 发布第三代人形机器人 Figure 03，为面向 Helix VLA 模型、家庭和大规模量产从零重新设计软硬件。
推荐理由：官方完整说明了新一代人形机器人的感知、触觉、家庭安全设计与量产规划，读者可以据此了解其硬件变化和产能目标。
Figure AI精选AI 评分7272 Figure 发布 Project Go-Big：Helix 仅凭人类第一视角视频零样本学会导航
Figure 宣布 Project Go-Big 两项进展：与 Brookfield 合作构建大规模人形预训练数据集，后者拥有超 10 万套住宅、5 亿平方英尺商业办公和 1.6 亿平方英尺物流空间；Helix 在 100% 第一视角人类视频上训练后，无需任何机器人示教即可响应 go to the fridge 等自然语言指令，在杂乱真实家居环境中导航。
推荐理由：原文给出Helix仅用人类视频学会导航的训练方式与Brookfield数据合作的规模细节，可了解人形预训练数据路线的实际进展。
Figure AI精选AI 评分6969 Figure AI 与 Brookfield 达成战略合作，共建人形机器人预训练数据集
Figure AI 宣布与 Brookfield 达成战略合作。Brookfield 管理资产超 1 万亿美元、拥有超 10 万套住宅单元，将帮助 Figure 构建真实世界人形机器人预训练数据集、建设扩展 Helix（Figure 自研视觉-语言-动作模型）所需 AI 基础设施，并探索人形机器人商业部署。
推荐理由：官方宣布的合作原文给出了数据规模、基础设施和部署三方面内容，读者可以了解数据来源如何支撑 Helix 的扩展。
Figure AI精选AI 评分7474 Figure AI 完成 C 轮超 10 亿美元融资，投后估值 390 亿美元
Figure AI 宣布 C 轮融资承诺资本超 10 亿美元，投后估值 390 亿美元，由 Parkway Venture Capital 领投，NVIDIA、Brookfield、Intel Capital、Salesforce、Qualcomm Ventures 等参投。
推荐理由：Figure 官方披露融资规模与用途拆分，读者可据此了解其 Helix、BotQ 制造和数据采集三条线的推进重点。
Figure AI精选AI 评分6060 Figure AI 的 Helix 模型实现人形机器人全自主叠毛巾
Figure AI 的 VLA 模型 Helix 全自主完成叠毛巾，称是多指人形机器人用端到端神经网络完成该任务的首例。架构与训练超参数不变、仅新增数据集，可从混合毛巾堆取物、按初始形态调整折叠策略、纠正多抓错误，并用拇指描边、捏角等精细动作解开缠绕毛巾。
推荐理由：同一模型不加架构改动仅靠新增数据完成叠毛巾任务，展示了从物流到柔性物体操作的泛化路径。
Figure AI精选AI 评分7575 Figure AI 公布 Helix 物流部署三个月进展：单件处理 4.05 秒、条码成功率约 95%
Figure AI 发布 Helix 在物流环境部署三个月后的能力进展，单件处理时间从约 5.0 秒降至 4.05 秒，条码扫描成功率从约 70% 提升至约 95%，并新增处理 poly 袋、扁平信封等柔性包裹的能力。
推荐理由：原文给出数据规模与各架构模块的消融实验细节，读者可以据此理解物流性能提升的具体来源。
Figure AI精选AI 评分6666 Figure AI 用强化学习让 Figure 02 人形机器人实现类人自然步行
Figure AI 发布端到端强化学习步行控制器，让 Figure 02 人形机器人在仿真中通过奖励模仿人类参考轨迹学会带脚跟触地、脚尖蹬地和摆臂的类人步态。训练在 GPU 加速物理仿真中并行进行数千台机器人，数小时收集数年仿真数据，结合域随机化与 kHz 级扭矩反馈控制实现零样本迁移到实机，10 台 Figure 02 运行同一神经网络无需单独调整。
推荐理由：原文给出 Figure 02 用强化学习实现类人步行的训练方法和仿真到现实迁移细节，可了解其技术路线。
已经到底了