備受矚目的人形機器人新創 Figure AI，不只推出兩代人形機器人，2/20 更宣布推出全新 AI 模型「Helix」，讓機器人理解語音、推理、抓住任何物品，演示讓 2 台人形機器人一起協作整理雜貨的影片。

事實上，幾周前， Figure AI 創辦人兼執行長 Brett Adcock 突然宣布退出與 OpenAI 共同開發 AI 模型的協議，轉向自行研發，並稱 30 天內推出「人形機器人上從未見過的東西，」或許指的就是 Helix。究竟 Helix 背後有哪些 AI 技術突破？

首創雙系統 AI 模型，細緻控制機器人上半身

Helix 是一款通用視覺-語言-動作（VLA）模型，可以整合感知、語言理解和學習控制。事實上，VLA 是機器人新興技術，利用視覺和語言命令來處理資訊，最知名的例子是 Google DeepMind 的 RT-2，透過視訊和大語言模型的組合來訓練。

Helix 的工作原理類似，根據 Figure AI，他們首創了「系統 1、系統 2」VLA 模型，可以針對人形機器人的上半身進行高速、靈巧的控制。這是因為他們過去遇到的困難：採用 VLM（視覺大語言模型）雖然通用但不快，使用機器人視覺運動策略快但是不通用，Helix 整合兩個互補系統來解決問題。

Figure AI 指出，Helix 消解了語言理解和機器人控制之間的差距──當被提示「拿起沙漠的物品」較為抽象的概念，Helix 不只能識別符合這個概念的玩具仙人掌，還能使用最近的手來牢牢抓住。Figure AI 認為，通用的「語言到動作」掌握能力，為他們開啟新的可能性。

此外，Helix 是第一款對整個人形上身（包括手腕、軀幹、頭部和各個手指）進行高速率連續控制的 VLA。

零樣本執行新任務！還能協調 2 台機器人

更特別的是，Helix 是第一個能同時在 2 台機器人上運行的 VLA，讓機器人只要透過人類的自然語言提示，就能解決一項共享的、長期操作的任務，包含數千種它們從來沒見過的物品。

這兩台機器人如何協作？它們透過接收自然語言指令進行協作，例如：「把餅乾袋遞給你右邊的機器人」或「接過你左邊機器人遞來的餅乾袋，並放入開著的抽屜中」。

Figure AI 表示，他們在測試中展示了兩大突破。第一，這些機器人成功操控在訓練過程中沒見過的雜貨商品，展現了對不同形狀、尺寸和材質的強大通用能力。第二，兩台機器人使用相同的 Helix 模型權重，無需針對個別機器人進行特定訓練或明確分配角色。

瞄準家用機器人，需要根本性的方法突破

《TechCrunch》報導，一般來說，業界的策略是先為工業客戶開發機器人，以提升可靠性並降低成本，之後再考慮進軍家庭市場。至於家務機器人，可能還要再等幾年才會成為現實討論的話題，不過透過 Helix 的演示，Figure AI 顯然把家用機器人放在優先事項。

究竟為何要研發 Helix 模型，Figure AI 就表示，家庭是機器人技術面臨的最大挑戰──環境充滿無數難以預測形狀、大小、顏色紋理的物品，但是目前機器人訓練的方法不是需要博士級的專家手動 coding，就要進行數千次演示，如果不改變方法就難以擴展到家庭領域。

本圖/文由「Techorange科技報橘」授權刊登，非經同意不得任意轉載。
原文出處：Figure AI 發表人形機器人大腦「Helix」！零樣本就能叫 2 個機器人做家事？