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 AIAI 评分5757 Figure AI 演示 Helix 02 全身端到端整理客厅
Figure AI 发布 Helix 02 新演示，该单一神经网络系统完成全身端到端的客厅整理任务，在走动中持续操作物品、工具和容器。演示中 Helix 02 无新算法和特殊工程，仅靠新增数据学会用喷雾瓶加毛巾擦拭清洁、双手端箱收集积木、把枕头抛回沙发、手持遥控器换向后按键关电视，并侧步穿过茶几与沙发间的窄缝。
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 AIAI 评分5252 Figure AI 的 Helix VLA 模型学会装载洗碗机
Figure AI 宣布其 VLA（视觉-语言-动作）模型 Helix 在不改动算法、不加特殊工程的情况下，仅凭新增数据学会装载洗碗机。Helix 能分离堆叠的盘子并按顺序装载，用一只手抓起玻璃杯、重新定向后由另一只手小心放置，还能应对杂乱起始状态并从抓取失误或碰撞中恢复。此前同一模型已完成叠毛巾和整理包裹任务，官方称这体现了单一通用系统随数据增量学习新能力的方向。
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。