Figure 釋出 Helix 2.5：未提前採點，人形機器人搞定 30 戶家務

你去朋友家做客，就算第一次進門，也能順手幫著疊個毛巾、把被角拉平，根本不需要先拿雷射雷達掃一遍房間。

但對機器人來說，換個床的高度、換套沙發顏色，往往就意味著當場宕機。過去機器人幹活，幾乎都是在一個地方採集完資料，就在那一個地方跑。

Figure 釋出的最新神經網路模型 Helix 2.5，把目標對準了這個痛點。他們把搭載該模型的人形機器人直接推進了加州灣區的 30 個真實家庭，在完全沒有踩點、沒有采集房間資料、沒有針對環境微調的前提下，做到了零樣本直接幹家務。

進陌生人家裡幹活，還不給部分分

這次測試挑了三項全身家務活：收拾客廳玩具、摺疊毛巾和鋪床。三項任務都涉及全身協同移動、軟質物體與剛性物體的操作，以及主動感知。

評判標準相當苛刻，完全不給步驟分。收拾客廳必須把散落在地上的 13 到 15 個玩具一個不落地扔進收納籃；摺疊毛巾要全部摺好裝籃；鋪床則要求把兩個枕頭和被角規整放好，並且把被子拉平。

測試中，機器人直接使用各個家庭現成的沙發、床鋪和摺疊檯面。所有被測試的玩具和床品，在任務訓練資料裡從來沒出現過，而且每個任務在 30 個家庭中用的都是完全相同的單一模型權重。

更有意思的是機器人的自糾錯動作。在陌生房間裡，它會自己往後退半步調整站姿來夠物體，或者特意繞到床的另一側去扯平被角。

6 倍泛化提升，還有機器人界的 Scaling Law

機器人能有這種常識，關鍵在於 Figure 的全球人類行為資料集 Index。和上一代 Helix 02 從通用視覺語言模型微調不同，Helix 2.5 是直接在 Index 資料集上從零初始化預訓練的。

為了驗證底座到底起不起作用，團隊做了一組嚴格對照：模型架構、任務資料和評估標準完全一樣，唯一的變數就是有沒有經過 Index 預訓練。

結果顯示，沒有預訓練的模型在零樣本測試中的成功率只有 9%，而預訓練過的 Helix 2.5 成功率衝到了 56%，提升超過 6 倍。而在整個預訓練資料池裡，沒有任何單一評估任務的資料佔比超過 1.9%。

與此同時，規範一個新行為所需的資料量減少了一半，任務泛化範圍卻從單一環境跨越到了 30 個陌生家庭。

Figure 還在 8 倍預訓練資料跨度上測出了人類經驗向機器人動作遷移的 Scaling Law。隨著預訓練資料成倍增加，下游動作預測的損失呈平滑下降趨勢。他們甚至在訓練之前，就把最大規模實驗的測試損失預測到了小數點後四位，預測誤差僅有 0.54%。

目前，Index 資料集以每秒約 35 分鐘的速率產出新的人類行為資料，Figure 也已經為 Helix 的訓練承諾了 35 億美元的算力。

為什麼重要

人形機器人進家庭最怕的是「只能看 Demo」。過去每換一個房間都要重新採集示教資料，這種產品根本沒有商業落地的可能。Helix 2.5 證明了機器人可以靠人類日常行為資料學出物理世界的通用常識，邁出了真正走進真實家庭的關鍵一步。

不過，現在大家還不用急著掏錢包買保姆機器人。56% 的全流程成功率在科研層面是突破，但在日常生活裡意味著幹兩次可能就翻車一次，普通家庭完全無法容忍。它目前證明的是技術路徑的正確，離可用還有很長一段距離。

我們認為，Figure 這一步走得非常聰明。他們跳過了在模擬環境裡死磕或者硬靠通用大語言模型套殼的彎路，直接把大模型領域經過驗證的「海量預訓練加小樣本泛化」範式搬進了具身智慧，並證實了 Scaling Law 的存在。一旦動作預測變得可預測，接下來的競爭邏輯就變了。

隱患在於這種打法的門檻被拔得太高。35 億美元算力承諾加上每秒膨脹的專用資料工廠，看起來意味著人形機器人賽道正在迅速向重資產寡頭傾斜，普通具身智慧創業團隊以後恐怕很難跟得起這種軍備競賽。