Figure 演示 Helix 02 客厅整理：不改算法仅靠加数据

如果给未来的家用机器人列一张愿望清单，收拾客厅绝对能排进前三。

但这事对机器人来说简直是噩梦。厨房好歹还有台面和柜子，客厅里全是不可预测的混乱：满地的积木、软塌塌的抱枕、茶几和沙发之间窄得要命的过道，而且机器人在走动的同时，手上一刻也不能停。

刚发布大约一个月的 Figure Helix 02，最近把战场从厨房搬到了客厅。Figure 在 3 月 9 日放出了最新的演示，这台人形机器人开始干一整套复杂的客厅家务，而且从头到尾只靠一个神经网络模型。

像真人一样把毛巾甩上肩膀

这次最抓人眼球的，不是它把积木一块块捡起来，而是它处理日常工具时那种松弛的小动作。

Helix 02 拿着喷雾瓶往脏台面上喷水，接着用毛巾使劲擦拭。擦完之后，它没有呆板地把毛巾放回原处，而是顺手把毛巾往肩膀上一甩，或者夹在腋下，直接腾出两只手去干别的活。

收拾玩具时也是一样。它会两手端着收纳筐，一边托着一边把桌上的积木往筐里扒拉；嫌不顺手时，它还会把筐夹在胳膊底下，两只手同时在地上捡玩具。

甚至在关电视这件小事上，它捡起遥控器后，能在手掌心里调整遥控器的朝向，精准按下按键把电视关掉。沙发上的抱枕歪了，它走过去抓起来，一个敏捷的抛掷动作，直接把抱枕扔回沙发靠背上。

在整个清理过程中，它还得在茶几和沙发的狭窄缝隙里侧着身子碎步挪过去，脚下在找路，手上的活完全没停。

没有写新代码，全靠喂数据

如果这些动作是工程师一段段写死代码调试出来的，那其实不算稀奇，波士顿动力很早就能做出更惊险的杂技。

但 Figure 表示，这次他们一行新的控制算法都没写，也没有搞任何特殊工程化设计。Helix 02 依靠的是之前公布的单一大模型架构，直接从摄像头看到的像素输入，端到端输出全身电机的控制信号。

从厨房收拾碗筷，切换到客厅喷水擦桌、甩毛巾、捡遥控器，机器人学会这一整套新本领的唯一方式，就是给这个统一的系统塞进更多的数据。

这种数据驱动的端到端学习，意味着机器人的学习逻辑开始接近自动驾驶甚至大语言模型。只要底层网络容量够大，堆数据就能堆出新的复杂行为。

为什么重要

我们认为，Figure 这一步走得非常漂亮，它向外界证明了人形机器人的软件架构正在迅速收敛。

过去机器人领域的标准做法，是导航归导航、机械臂抓取归机械臂抓取、手部姿态再单独写个控制器。这种拼积木的方案一遇到真实客厅这种动态环境，系统之间的衔接就会漏洞百出，动作卡顿得像幻灯片。

Helix 02 展示的是全身协调的连续控制。边走边侧身、夹着筐捡东西、手内调整遥控器，这些看起来不起眼的人类本能，过去在传统机器人学里每一项都是一篇博士论文。现在一个模型把移动、双臂协作和工具使用全包了，看起来这条端到端路线确实跑通了。

对用户和整个行业来说，这意味着人形机器人走向家庭的边际成本正在骤降。以往每增加一个新场景都要研发大半年，现在只要数据采集流程跑顺，给模型灌数据就能解锁新技能。

不过也别高兴得太早。普通人现在显然买不到这台机器，Figure 也没有公布这套操作在真实长程运行下的失败率。甩毛巾和扔抱枕确实很有观赏性，但面对客厅里突然跑出来的宠物或熊孩子，这种纯视觉端到端模型能不能扛住干扰，依然需要打一个大问号。