人形機器人，重大突破！

Helix是首款能對整個人形機器人上半身進行高頻、連續控制的視覺-語言-動作（VLA）模型。

在2月初終結與OpenAI的AI模型合作後，美國機器人創業公司Figure AI如期在周四公開了背後的原因：公司已經有更厲害的通用具身智能模型Helix。

Figure AI表示，Helix是首款能對整個人形機器人上半身（包括頭部、軀幹、手腕和手指）進行高頻率、連續控制的視覺-語言-動作（VLA）模型。透過直接將視覺語言模型中捕獲的豐富語義知識，直接轉化為機器人動作，克服了人形機器人領域的多個長期挑戰——至少不需要為機器人的每個動作進行大量訓練了。

為瞭解決視覺語言模型“通用、但不快速”，和機器人視覺運動策略“快速、但不通用”的矛盾，Figure通過建立一套互補的系統進行權衡。兩套系統通過端到端訓練以進行通訊。

如下圖所示，系統2是開源、開放權重的70億參數量端側網際網路預訓練視覺語言模型，用於理解場景和自然語言；系統1是一個8000萬參數量的快速反應視覺運動策略，將系統2理解的語義轉化為每秒200次的精確連續機器人動作。

Figure介紹稱，訓練Helix僅用了500個小時的高品質監督資料，總量連先前收集的VLA資料集5%都不到，且不需要多機器人資料或多階段訓練。

作為這項科技突破的結果，搭載Helix的機器人現在可以根據自然語言指令，識別並拾取幾乎所有的小型家居物品，包括機器人從未見過的成千上萬物品。在公司給出的案例中，機器人在聽到「拿起那個仙人掌」、「拿起沙漠裡的東西」時，都能選擇最接近玩具的手，成功從一堆物品中拎出仙人掌玩具。

在實際操作中，配備Helix的Figure機器人通過簡單的「撿起XX」指令，成功處理了成千上萬次的任務，同時無需任何提前演示或額外程式設計。

當然，以上都是常規操作，接下來就是展現技術的時刻了。

Figure介紹稱，Helix是首款可以在人形機器人上協同運行的AI模型，使得兩台機器人可以協作解決一個共享的、長期的操作任務。

在示範案例中，兩個模型權重相同的Figure機器人需要面對一堆首次見到的雜物，自行分類放在櫃子、冰箱、盆子等收納位置。

這次挑戰的難點，是研究人員故意將一些物品放在另一個機器人面前，這意味著需要兩台機器人協作才能完成放置。

示範中，機器人之間不僅能互相理解對方和銜接動作，似乎還有一種特殊的羈絆——在交接物品時，兩台機器人一定要互相對看一眼，確認彼此的「眼神」。

在示範的最後，Figure也在擺放水果的操作中展現出更高水準的協作：左邊的機器人把果盆拉過來，右邊的機器人順手把水果放進去，然後左邊的機器人再把果盆放回原位。

結束首次VLA模型在多機器人之間靈活、擴展的協作操作後，Figure強調這僅僅是觸及了“可能性的表面”，公司渴望看到將Helix規模擴大1000倍後會發生什麼。

Figure介紹稱，Helix完全能夠在嵌入式低功耗GPU上運行，現在立即可以進行商業部署。

根據先前的報導，在發佈機器人AI系統演示的同時，Figure正在進行一輪目標15億美元的融資，估值將達到395億美元。作為對比，去年該公司融資時的估值僅為26億美元，光從這兩個數字就能感受到當下機器人賽道的爆火情緒。 （科創板日報）