大模型的風(fēng)終于吹到了機(jī)器人身上。
剛剛，人形機(jī)器人初創(chuàng)公司 Figure AI 發(fā)布了新 AI 系統(tǒng) Helix，這是專為人形機(jī)器人設(shè)計(jì)的“視覺-語(yǔ)言-動(dòng)作”（Vision-Language-Action，VLA）模型，能夠讓機(jī)器人直接理解自然語(yǔ)言、解析視覺信息，并執(zhí)行相應(yīng)的動(dòng)作。
（來(lái)源：Figure AI）
Helix 是第一款對(duì)整個(gè)人形上身（包括手腕、軀干、頭部和各個(gè)手指）進(jìn)行高速率連續(xù)控制的 VLA 模型。
簡(jiǎn)單來(lái)說(shuō)，這就像給機(jī)器人裝上了一個(gè)超級(jí)大腦，讓它們可以像人類一樣用眼睛觀察、用耳朵聽、用手操作，并且能在沒有特別訓(xùn)練的情況下完成全新的任務(wù)。
如果你覺得機(jī)器人還停留在那種“機(jī)械化執(zhí)行命令”、只能按照預(yù)設(shè)流程工作的階段，那 Figure AI 的新視頻可能會(huì)改變你的看法。
視頻中，雖然兩個(gè)機(jī)器人的動(dòng)作慢吞吞的，但它們對(duì)人類指令的理解十分到位，包括打開冰箱、拿起食物、擺放到恰當(dāng)?shù)奈恢茫踔吝�能傳遞食物（協(xié)同合作）。
Figure AI 在 X 上寫道：“我們發(fā)現(xiàn)，只要給機(jī)器人提示詞，我們就可以（讓它）拿起幾乎任何物體。”
圖 | Figure AI 發(fā)布 Helix 模型（來(lái)源：X）
相比傳統(tǒng)的機(jī)器人控制方式，Helix 可以讓機(jī)器人具備更強(qiáng)的自主學(xué)習(xí)能力，不再局限于固定任務(wù)，而是可以在各種場(chǎng)景中學(xué)習(xí)、適應(yīng)新挑戰(zhàn)。
這種能力得益于 Figure AI 的 S2+S1 雙系統(tǒng)架構(gòu)，可對(duì)人形機(jī)器人的整個(gè)上半身進(jìn)行高速、靈巧的控制。
圖 | Helix 的雙系統(tǒng)架構(gòu)（來(lái)源：Figure AI）
其中 S2 系統(tǒng)是一個(gè)機(jī)載互聯(lián)網(wǎng)預(yù)訓(xùn)練的視覺語(yǔ)言模型（VLM），以 7-9 Hz 的頻率運(yùn)行，用于場(chǎng)景理解和語(yǔ)言理解，從而實(shí)現(xiàn)跨對(duì)象和上下文的廣泛概括。
而 S1 系統(tǒng)負(fù)責(zé)快速反應(yīng)的視覺運(yùn)動(dòng)策略，將 S2 產(chǎn)生的潛在語(yǔ)義表征轉(zhuǎn)化為 200 Hz 的精確連續(xù)機(jī)器人動(dòng)作。換句話說(shuō)就是負(fù)責(zé)理解來(lái)自人類的語(yǔ)言指令，并結(jié)合視覺信息解析環(huán)境，實(shí)現(xiàn)自主決策并保證流暢的肢體協(xié)調(diào)。
“這種解耦架構(gòu)允許每個(gè)系統(tǒng)在其最佳時(shí)間尺度上運(yùn)行。S2 可以慢慢‘思考高級(jí)’目標(biāo)，而 S1 可以‘快速思考’以實(shí)時(shí)執(zhí)行和調(diào)整動(dòng)作�！盕igure AI 寫道。
圖 | Figure AI 的 CEO 表示：“要讓機(jī)器人進(jìn)入千家萬(wàn)戶，我們需要在能力上實(shí)現(xiàn)重大進(jìn)展。”（來(lái)源：X）
據(jù) Figure AI 介紹，他們收集了高質(zhì)量的多機(jī)器人、多操作員數(shù)據(jù)集，其中包含各種遠(yuǎn)程操作行為，總共約 500 小時(shí)。
為了生成自然語(yǔ)言條件訓(xùn)練對(duì)，F(xiàn)igure AI 使用自動(dòng)標(biāo)記 VLM 來(lái)生成 hindsight 指令。VLM 會(huì)處理來(lái)自機(jī)器人機(jī)載攝像頭的分段視頻片段，并提示：“你會(huì)給機(jī)器人什么指令來(lái)執(zhí)行此視頻中看到的動(dòng)作？”訓(xùn)練期間處理的所有物品均不包含在評(píng)估中，以防止污染。
Helix 系統(tǒng)由兩個(gè)主要組件組成：S2（VLM 主干）和 S1（潛在條件視覺運(yùn)動(dòng) Transformer）。
S2 建立在 7B 參數(shù)開源、開放權(quán)重的 VLM 上，該 VLM 已在互聯(lián)網(wǎng)規(guī)模數(shù)據(jù)上進(jìn)行了預(yù)訓(xùn)練。它將單目機(jī)器人圖像和機(jī)器人狀態(tài)信息（包括手腕姿勢(shì)和手指位置）投影到視覺語(yǔ)言嵌入空間后進(jìn)行處理。
結(jié)合指定所需行為的自然語(yǔ)言命令，S2 將所有語(yǔ)義任務(wù)相關(guān)信息提煉為單個(gè)連續(xù)潛在向量，并傳遞給 S1 以調(diào)節(jié)其低級(jí)動(dòng)作。
S1 是一個(gè) 80M 參數(shù)交叉注意編碼器-解碼器 Transformer，用于處理低級(jí)控制。它依靠完全卷積、多尺度視覺主干進(jìn)行視覺處理，該主干通過(guò)完全在模擬中完成的預(yù)訓(xùn)練進(jìn)行初始化。
圖 | 機(jī)器人可以撿起各種各樣的東西（來(lái)源：Figure AI）
雖然 S1 接收與 S2 相同的圖像和狀態(tài)輸入，但它以更高的頻率處理它們，以實(shí)現(xiàn)響應(yīng)更快的閉環(huán)控制。來(lái)自 S2 的潛在向量被投影到 S1 的標(biāo)記空間中，并沿著序列維度與來(lái)自 S1 視覺主干的視覺特征連接起來(lái)，提供任務(wù)調(diào)節(jié)。
S1 以 200hz 的頻率輸出完整的人形機(jī)器人上半身控制，包括所需的手腕姿勢(shì)、手指屈曲和外展控制以及軀干和頭部方向目標(biāo)。他們?cè)趧?dòng)作空間中附加了一個(gè)合成的“任務(wù)完成百分比”動(dòng)作，使 Helix 能夠預(yù)測(cè)自己的終止條件，從而更容易對(duì)多個(gè)學(xué)習(xí)到的行為進(jìn)行排序。
通過(guò)端到端訓(xùn)練，Helix 能夠控制機(jī)器人，直接從視覺和語(yǔ)言輸入中推理出正確的行動(dòng)，而無(wú)需手動(dòng)編寫具體任務(wù)指令，也不需要針對(duì)特定任務(wù)進(jìn)行調(diào)整。
Helix 的訓(xùn)練設(shè)計(jì)支持在 Figure 機(jī)器人上高效地并行部署模型，每個(gè)機(jī)器人都配備了雙低功耗嵌入式 GPU。推理管道分為 S2（高級(jí)潛在規(guī)劃）和 S1（低級(jí)控制）模型，每個(gè)模型都在專用 GPU 上運(yùn)行。
Figure AI 總結(jié)道：“Helix 以極少的資源實(shí)現(xiàn)了強(qiáng)大的對(duì)象泛化。我們總共使用約 500 小時(shí)的高質(zhì)量監(jiān)督數(shù)據(jù)來(lái)訓(xùn)練 Helix，這僅僅是之前收集的視覺-語(yǔ)言-動(dòng)作數(shù)據(jù)集的一小部分（
圖 | Figure AI 定義的新“機(jī)器人技能獲取”擴(kuò)展法則（來(lái)源：Figure AI）
早在 2 月 4 號(hào)，F(xiàn)igure AI 就在為 Helix 的出現(xiàn)埋下伏筆。
當(dāng)時(shí)，CEO 布雷特艾德考克（Brett Adcock）宣布“終止與 OpenAI 的合作”，并表示將向外界展示“人形機(jī)器人上從未見過(guò)的東西”。
與此同時(shí)，據(jù)知情人士透露，F(xiàn)igure AI 似乎正在接洽投資者，計(jì)劃以 395 億美元的估值籌集 15 億美元。
Figure AI 拒絕發(fā)表評(píng)論，但如果屬實(shí)，新一輪融資將使這家初創(chuàng)公司的估值大幅提升，去年該公司的估值為 26 億美元。Figure AI 之前的投資者包括微軟、OpenAI、英偉達(dá)和杰夫貝佐斯。
可以看出，F(xiàn)igure AI 對(duì) Helix 寄予厚望。他們希望這不只是一次普通的 AI 升級(jí)，而是讓機(jī)器人更接近“真正的人類助手”。它可以控制機(jī)器人聽懂你的話、看懂世界、靈活行動(dòng)，并且不斷學(xué)習(xí)新技能，讓機(jī)器人真正成為“聰明的 AI 勞動(dòng)力”。
當(dāng)然，演示視頻再天花亂墜，實(shí)際應(yīng)用中也可能頻頻翻車、不堪大用。這種事情我們已經(jīng)目睹無(wú)數(shù)次了。
因此，F(xiàn)igure AI 的 Helix 是否真的像宣傳的那樣靈活、聰明，我們還是要保持冷靜，等到它真正走向市場(chǎng)。
參考資料：
https://www.figure.ai/news/helix
https://www.bloomberg.com/news/articles/2025-02-14/robotics-startup-figure-ai-in-talks-for-new-funding-at-39-5-billion-valuation
https://x.com/Figure_robot/status/1892577876454801453
