Figure 发布 Helix 模型：双脑架构控制人形机器人上半身，支持双机协作

如果让一个人形机器人进工厂打螺丝，事情还算好办。流水线上的工位、光线和零件形状几千次都不会变。

但如果把它放进你的家里，场面瞬间就会失控。茶几上的杂乱杯子、被压在沙发底下的玩具、揉成一团的外套，每一件东西在机器人眼里都是从未见过的全新物体。在过去，要教机器人学会抓一件新东西，要么靠博士专家手动编程几个小时，要么得采集几千次演示动作，根本不可能进家庭。

在与 OpenAI 分手两周后，人形机器人公司 Figure 端出了自己的答案：通用视觉-语言-动作模型 Helix。

拆成快脑和慢脑，让全身动作跟上反应

具身智能一直有个两难：大模型懂语言也懂常识，但推理速度太慢；机器人底层的动作策略跑得飞快，但根本认不出没见过的东西。

Figure 在 Helix 上做了一个聪明的切割，借用了人类认知里的「系统 1」和「系统 2」。

慢脑由一个约 70 亿参数的开源开源权重视觉语言模型担任，以 7 到 9 Hz 的频率在端侧运行。它专门负责读懂周围环境和主人的语音指令，生成高维语义。

快脑则是一个仅有 8000 万参数的轻量 Transformer 动作模型，以 200 Hz 的极高频率把慢脑的意图变成机器人的肌肉反应。比如两台机器人合力整理从未见过的杂货时，慢脑负责盯住收拾目标，快脑则随时微调手指和手腕，适应搭档机器人的移动。

更关键的是，Helix 没有像过去许多方案那样把动作切碎成离散的词元，而是直接输出高维连续动作。从头部、躯干、手腕一直精确控制到十根独立手指。

500 小时数据，在端侧芯片上跑起来

以往要训练这类通用行为，往往需要海量数据堆砌。Figure 这次只收集了大约 500 小时的多机、多操作员遥控数据。

他们利用自动标注模型为这些动作数据打上回溯指令，让一整套神经网络同时学会了开关冰箱、拉抽屉、分拣物体和双机配合，完全不需要针对特定任务单独微调。

而且，这套模型完全不需要联网上云，直接塞进了机器人体内的嵌入式低功耗 GPU 上运行，随时听得懂自然语言指令去拿取各种未见过的日用品。

为什么重要

我们认为，Helix 是具身智能从概念演示走向真实家庭落地非常扎实的一步。

对用户和普通家庭来说，机器人的核心门槛从来不是走得有多稳，而是能不能听懂一句「把桌上的零食收进抽屉」，并且不会把薯片捏得粉碎。Helix 展现出的零样本泛化能力，意味着买回家的机器人不再需要工程师上门重新调参，开箱就能应付生活中的杂乱场景。

对行业而言，这一步走得相当关键。Figure 刚和 OpenAI 分道扬镳，外界原本担心它在多模态理解上失去支柱。但 Helix 用 70 亿参数开源底座加上自家动作模型的组合，直接向整个行业证明了一件事：人形机器人厂商完全有能力摆脱通用大模型巨头的绑定，走出独立的端侧技术路线。

当然，这并不意味着家用保姆机器人明天就能量产送货。500 小时的数据虽然高效，但在复杂物理接触、易碎物品力度控制和动态安全边界上，依然需要更长时间的极端情况验证。但至少在技术路线上，这种双层解耦架构看起来比硬把超大模型塞进机器人底层要靠谱得多。