Figure 发布 Helix 2.5：未提前采点，人形机器人搞定 30 户家务

你去朋友家做客，就算第一次进门，也能顺手帮着叠个毛巾、把被角拉平，根本不需要先拿激光雷达扫一遍房间。

但对机器人来说，换个床的高度、换套沙发颜色，往往就意味着当场宕机。过去机器人干活，几乎都是在一个地方采集完数据，就在那一个地方跑。

Figure 发布的最新神经网络模型 Helix 2.5，把目标对准了这个痛点。他们把搭载该模型的人形机器人直接推进了加州湾区的 30 个真实家庭，在完全没有踩点、没有采集房间数据、没有针对环境微调的前提下，做到了零样本直接干家务。

进陌生人家里干活，还不给部分分

这次测试挑了三项全身家务活：收拾客厅玩具、折叠毛巾和铺床。三项任务都涉及全身协同移动、软质物体与刚性物体的操作，以及主动感知。

评判标准相当苛刻，完全不给步骤分。收拾客厅必须把散落在地上的 13 到 15 个玩具一个不落地扔进收纳篮；折叠毛巾要全部折好装篮；铺床则要求把两个枕头和被角规整放好，并且把被子拉平。

测试中，机器人直接使用各个家庭现成的沙发、床铺和折叠台面。所有被测试的玩具和床品，在任务训练数据里从来没出现过，而且每个任务在 30 个家庭中用的都是完全相同的单一模型权重。

更有意思的是机器人的自纠错动作。在陌生房间里，它会自己往后退半步调整站姿来够物体，或者特意绕到床的另一侧去扯平被角。

6 倍泛化提升，还有机器人界的 Scaling Law

机器人能有这种常识，关键在于 Figure 的全球人类行为数据集 Index。和上一代 Helix 02 从通用视觉语言模型微调不同，Helix 2.5 是直接在 Index 数据集上从零初始化预训练的。

为了验证底座到底起不起作用，团队做了一组严格对照：模型架构、任务数据和评估标准完全一样，唯一的变量就是有没有经过 Index 预训练。

结果显示，没有预训练的模型在零样本测试中的成功率只有 9%，而预训练过的 Helix 2.5 成功率冲到了 56%，提升超过 6 倍。而在整个预训练数据池里，没有任何单一评估任务的数据占比超过 1.9%。

与此同时，规范一个新行为所需的数据量减少了一半，任务泛化范围却从单一环境跨越到了 30 个陌生家庭。

Figure 还在 8 倍预训练数据跨度上测出了人类经验向机器人动作迁移的 Scaling Law。随着预训练数据成倍增加，下游动作预测的损失呈平滑下降趋势。他们甚至在训练之前，就把最大规模实验的测试损失预测到了小数点后四位，预测误差仅有 0.54%。

目前，Index 数据集以每秒约 35 分钟的速率产出新的人类行为数据，Figure 也已经为 Helix 的训练承诺了 35 亿美元的算力。

为什么重要

人形机器人进家庭最怕的是「只能看 Demo」。过去每换一个房间都要重新采集示教数据，这种产品根本没有商业落地的可能。Helix 2.5 证明了机器人可以靠人类日常行为数据学出物理世界的通用常识，迈出了真正走进真实家庭的关键一步。

不过，现在大家还不用急着掏钱包买保姆机器人。56% 的全流程成功率在科研层面是突破，但在日常生活里意味着干两次可能就翻车一次，普通家庭完全无法容忍。它目前证明的是技术路径的正确，离可用还有很长一段距离。

我们认为，Figure 这一步走得非常聪明。他们跳过了在仿真环境里死磕或者硬靠通用大语言模型套壳的弯路，直接把大模型领域经过验证的「海量预训练加小样本泛化」范式搬进了具身智能，并证实了 Scaling Law 的存在。一旦动作预测变得可预测，接下来的竞争逻辑就变了。

隐患在于这种打法的门槛被拔得太高。35 亿美元算力承诺加上每秒膨胀的专用数据工厂，看起来意味着人形机器人赛道正在迅速向重资产寡头倾斜，普通具身智能创业团队以后恐怕很难跟得起这种军备竞赛。