“美国宇树”机器人，不用遥控就能干家务了？

就在宇树科技上市刚满一个月之际，其市值已从逾4400亿的高位滑落至2000亿出头。与此同时，大洋彼岸被称作“美国宇树”的机器人企业，其产品正展现出愈发接近真人的智能表现。

9月17日， Figure AI发布了新一代模型Helix 2.5，并安排机器人进入30个此前从未接触过的家庭，执行铺床、折叠毛巾、整理玩具等任务。

这些家务对Figure的机器人而言并非首次尝试。今年3月，其机器人已能自主清扫客厅；5月，在桑尼韦尔总部，它曾进行一场约200小时的连续直播，由3台机器人轮班，共分拣了24.9万件快递。

然而，此次的亮点在于Figure的机器人展示了 “换环境也能胜任” 的能力。

对于熟悉家务的人来说，换到别人家，并不需要从头学习铺床或叠衣服。但机器人一旦更换场地，通常需要人类重新演示、采集数据并再次训练，才能适应新环境。

甚至仅仅是家具摆放位置或物品尺寸的差异，就可能导致此前学会的技能失效。

而Figure AI此次直接将机器人投放至30个从未去过的真实家庭，既未预先采集这些家庭的数据，也未逐一进行重新训练，便让机器人直接开始家务操作。公司宣称实现了“零样本泛化”，通俗而言，即机器人到达新地点后，无需重新学习即可工作。

难道，机器人保姆即将进入现实？

机器人终于学会举一反三？

不过，若仔细审视成绩单，仅从数据来看，此次“泛化”并未达到神乎其神的程度。

Figure共进行了420次测试，Helix 2.5成功完成237次，整体成功率为56%。细分来看，铺床成功率为67%，叠毛巾为62%，而收拾玩具仅有40%。

这意味着，它每执行两次任务，大约会失败一次。尤其最后一项，十次中有六次无法完成，距离真正能接手家务的机器保姆仍有巨大差距。

然而，56%的成功率在人形机器人家务泛化测试中已属顶尖水平。据Figure称，这是人形机器人首次在如此之多的真实家庭中，展示这种规模的零样本全身泛化能力。

官方还发布了一段长达3小时57分钟的完整视频。在这段视频中， Helix 2.5展现了一些极具“人性”的动作。

例如，铺床时，机器人发现自身站位不当，会主动后退并重新调整姿势；被子未铺平时，它懂得绕到床的另一侧，换个位置继续整理。而以往的机器人一旦动作出现偏差，往往会不知所措，甚至直接罢工以避免出错。

现在，Helix 2.5最令人惊喜之处在于，它已能在工作过程中发现问题时，立即采取补救措施。

此时再回顾今年5月那场200小时的直播，两代机器人的差异便十分明显。

当时的Helix 02能够守在分拣台前持续工作，但其能力依赖于在现场采集的数据。一旦工位改变，周围设备和物品发生变化，即使是同样的分拣任务，机器人仍需重新采集数据和训练。

最终，那场直播测试虽然证明了Helix 02是能够连续工作的能手，却未能证明它具备真正的泛化能力，即技能能随环境变化而灵活运用。

而这次，Helix 2.5则更换了整整30个地点。

每个家庭的床铺、家具和物品都各不相同，它仍能完成超过一半的任务。

那么，在如此短的时间内，Helix 2.5为何能取得如此显著的进步？

Figure进行了一组对照实验。双方使用相同的任务数据、模型架构、训练方法和测试条件，唯一区别在于一个模型预先观看了人类干活的视频。

结果，未观看视频的模型成功率仅为9%，而观看过的则跃升至56%。

那么，这套视频中究竟包含什么内容，能使机器人在陌生环境中的表现大幅提升？

答案在于一个名为Index的系统。

先培训，再上岗

Index这个名字听起来像某种复杂技术，但真相或许比想象中简单。继续通俗解释， 就是Figure花钱请人干活，并将整个过程拍摄下来，用于训练机器人。

有人在家中铺床、叠衣、打扫，有人在餐厅收拾桌子、在商店补货，甚至有人录制了清理猫砂和更换机油的过程。只要愿意，普通人下载Index应用，即可上传自己做事的视频。审核通过后，便能获得现金报酬。

短短四个月内，Index在108个国家积累了超过1600万条视频，每周还有4.4万人持续上传。为此，Figure已支付了1500万美元。

不过，并非随意拍摄一条扫地视频就能轻松赚钱。这些通过审核的视频都有一个前提：内容不重复。

Figure会对上传内容进行筛选、去重，并检查是否存在作弊和大量重复。根据公司公布的数据，每1000小时的Index视频，大约涉及373种任务、1146种物品和116种环境。

最终在Index上，同样是铺床，有人从床头开始，有人先抖开被子；同样是整理房间，每家家具摆放和需收拾的物品也各不相同。同一类型的任务有着多种多样的解法，核心在于“贵在真实”。

而且，这些同一任务的不同变化都是自然产生的，再厉害的工程师也无法在实验室中一条条模拟设计出来。

于是，Figure的机器人在真正开始练习之前，就已通过观看大量人类与现实世界打交道的真实视频，实现了先培训再上岗。

有了这些视频作为基础，Figure可以将训练顺序彻底调转。

过去，机器人通常是先确定学习目标，再围绕该任务收集数据：比如教叠毛巾，就安排机器人反复叠毛巾。

现在，Helix 2.5反其道而行之，先在Index中进行预训练，见识足够多的人、物品和环境，然后再学习铺床、叠毛巾和收拾玩具。

这一思路与大型语言模型的预训练原理相同：先海量“增长见识”，再专门学习技能。

前面的对照实验已证明，这一步确实有效。同样一批家务训练数据，交给一个看过大量人类示范的模型，在陌生家庭中的表现截然不同。

这也解释了Helix 2.5为何能在30个家庭中临场调整。只要此前见过的动作和场景足够多，当遇到床铺尺寸变化、站位不当或物品未放好时，它的“大脑”中便多了几种可尝试的解决方案。

不过，既然1600多万条视频已让Helix 2.5学会了一些举一反三的能力，那么数据量再增加一倍、两倍甚至十倍，它是否会继续变得更聪明？

机器人训练变天了？

实际上，在AI大模型领域，输入数据越多，模型效果越好，这早已是一条金科玉律，即Scaling Law（规模定律）。

因此，近年来各大模型公司竞相购买更多算力、收集更多语料，并不断扩大模型规模。因为根据Scaling Law，只要数据和算力持续增加，模型通常会按一定规律变强。

此次Figure为机器人提供2倍、4倍甚至8倍的Index数据，从操作上看，也像是在机器人身上复刻大模型的Scaling Law。

那么，机器人领域也存在Scaling Law吗？

有趣的是，Figure确实测出了结果。

研究人员共训练了四组模型，其中最大一组使用的Index数据是最小一组的8倍。模型大小、后续家务训练及其他条件均保持一致，仅改变预训练时机器人观看的人类视频数量，然后只关注一个指标：机器人预测下一步动作的误差。

结果，Figure发现：随着Index数据增加，机器人的动作预测误差确实在持续下降。 而且这条下降曲线非常规整，数据每增加一档，误差减少多少已能提前估算。

Figure还利用前三组模型的数据拟合出这条曲线，在最大一次训练开始前，直接计算出了其误差。待训练完成后，实际结果与预测值精确到小数点后四位。

如此看来，机器人似乎确实拥有自己的Scaling Law。Figure还为这条曲线命名： “人类到人形机器人的迁移Scaling Law”。

这条曲线解决了机器人行业的一个长期难题： 过去要让机器人更强，只能采集更多机器人数据，既昂贵又缓慢。

但如果人类干活的视频能按可预测的规律转化为机器人的能力，那么投入多少、产出多少，便能依据这条曲线提前计算出来，所需花费也能心中有数。

Figure愿意继续收集数据、购买算力，赌的就是这条曲线成立。

9月3日，Figure宣布与AI云计算公司Nscale合作，计划从2027年下半年开始部署英伟达Vera Rubin平台，最终最多使用10万块GPU。最初承诺的算力投入达35亿美元，未来意向将扩大至60亿美元以上。

35亿美元购买算力，这更像是大模型公司的做法。而且Nscale不仅出售算力，还战略入股Figure，成为其股东。 黄仁勋在官宣中也表示，此次合作“激活了机器人飞轮”。

另一边，Index每秒钟仍在接收约35分钟的人类行为视频。

一边是全球用户不断拍摄自己如何干活，另一边是最多10万块GPU准备将这些视频喂给机器人。Figure作为一家机器人公司，正走在一条越来越像大模型公司的道路上。

不过，目前这条被称为“人类到人形机器人的迁移Scaling Law”的曲线，仍存在诸多问题。它仅有四个数据点，跨度仅为8倍，尚不足以支撑一条定律。

例如，实验测量的是动作预测误差，而非任务成功率。误差下降，并不直接意味着输入更多数据，家务任务就执行得更好。

此外，56%的成绩是Figure自行评估的，30个家庭均为湾区租用的房屋，三项任务也是预先选定的。

尽管Figure在此次家务测试中迈出了重要一步，但距离人们请到一位机器保姆，仍有很长的路要走。 对于关注前沿科技动态的用户，若想了解Figure AI的最新进展，可通过 ayx 中国官网登录 获取更多相关信息。

参考资料： APPSO《刚刚，机器人首次「空手闯进」 30个陌生家庭，进门就干活》 极客公园《Figure AI宣称找到了机器人版scaling law，同行却说它其实根本不会泛化》 本文来自微信公众号“蓝字计划”，作者：Chester，36氪经授权发布。