Helix 2.5实现零样本30家庭泛化

Figure AI 发布 Helix 2.5：人形机器人首次实现零样本跨 30 个陌生家庭作业 人形机器人公司 Figure AI 于 9 月 17 日发布新一代神经网络 Helix 2.5，宣称这是该公司迄今构建的最先进模型。核心突破在于：机器人无需在目标环境中采集任何数据、无需微调或适配，就能直接走进从未见过的家庭，用全身完成整理客厅、叠毛巾、铺床三类长周期任务。测试覆盖湾区 30 个真实住宅，Figure 称这是业界首次在人形机器人上实现如此规模的零样本全身泛化。 这件事的背景是机器人行业长期存在的一个硬伤。人类走进陌生房间可以立刻干活，因为我们对物理世界的理解能跨环境迁移——床高一点矮一点不影响铺床，家具换了样式也不影响收拾屋子。但机器人不行，它们通常是一个地方一个地方地学，换个环境就得重新采集数据、重新训练。Figure 此前的 Helix 02 已经证明神经网络可以协调人形机器人的全身动作，完成从卸洗碗机到连续 200 小时自主执行物流任务这类工作，但那些系统依赖在机器人实际作业地点采集的数据。Helix 2.5 要回答的是一个更难的问题：人形机器人能否进入一个完全陌生的家庭，靠自己的身体、自己的判断，立刻开始干活。 技术路径上，Figure 的做法是先在一个名为 Index 的全球规模人类行为数据集上预训练 Helix 2.5，再从这同一个基础模型衍生出三种行为。关键数据是：在任务数据、架构、训练和评估条件全部固定的情况下，仅靠 Index 预训练，零样本成功率就从 9% 提升到 56%。同时，Helix 2.5 使用的任务专用数据量只有 Helix 02 代表性行为的一半，泛化范围却扩大了 30 倍。Figure 还提出了一个人类到人形机器人的迁移缩放定律——Index 预训练数据每翻一倍，下游机器人动作预测的改善曲线足够平滑，以至于他们能在训练前就把最大规模运行的损失预测到小数点后四位。 对跨境电商和 AI 从业者来说，这项进展的意义不在于人形机器人已经成熟，而在于它验证了一条新路径：全身智能可以从人类经验中学习并迁移到新场景，而不是每换一个地方就重建一次。Figure 自己也强调，这不代表通用人形机器人问题已经解决，但 Helix 2.5 是第一个证据，说明这条路走得通。如果这一范式成立，未来家庭服务机器人的部署成本结构将发生根本变化——不再需要为每个新家庭单独采集数据，规模化的瓶颈从数据采集转向模型能力本身。