文章详情

Figure AI于周四终于揭晓了促使其与投资方之一OpenAI断绝关系的“重大突破”：Helix，一种全新的双系统AI架构，使机器人能够理解自然语言指令，并操控从未见过的物体，而无需针对每个物体进行特定的预训练或编程。

Figure AI是一家专注于构建AI赋能仿人机器人的美国初创公司，不久前刚宣布与OpenAI彻底分道扬镳，首席执行官Brett Adcock解释称，Helix在机器人智能方面的突破让这家公司不再需要与OpenAI合作。这一决定距两家公司去年宣布合作仅几个月，当时Figure AI还完成了一轮6.75亿美元融资，估值达到26亿美元，以推动其Figure 02机器人开发。

这家人形机器人公司今年早些时候获得6.75亿美元B轮融资，投资者包括OpenAI、微软、英伟达和杰夫·贝索斯，当时估值达26亿美元。据报道，该公司正寻求额外15亿美元融资，如果成功，其估值将飙升至395亿美元。

这家总部位于加州桑尼维尔（Sunnyvale）的初创公司开发了一种视觉-语言-动作（Vision-Language-Action, VLA）模型，统一了感知、语言理解和学习控制能力，使其能够进行泛化应用。

与传统机器人必须针对每项新任务进行大量编程或示范学习不同，Helix模型结合了高级推理系统和实时运动控制系统。这两个系统有效弥合了语义理解（知道物体是什么）与运动控制（知道如何操控物体）之间的差距。

Helix的突破在于其双系统架构，模仿人类认知：一个拥有70亿参数的“系统2”视觉-语言模型（VLM），处理高阶理解能力，运行频率7-9Hz（即每秒更新9次），用于结构化和复杂任务的推理，相当于“深思熟虑”；以及一个拥有8000万参数的“系统1”视觉-运动控制策略（visuomotor policy），运行频率200Hz（即每秒更新200次），将指令转化为精确的物理动作，相当于“直觉反应”。

这一突破使机器人能够随着时间推移变得更加强大，而无需频繁更新系统或训练新数据。为了展示这一技术，Figure AI发布了一段视频，展示两台Figure机器人协作整理杂货，一台机器人递物品，另一台机器人则将物品放入抽屉和冰箱。

Figure声称，这两台机器人此前并不知道它们正在处理的物品，但仍然能够识别哪些应该存放在冰箱里，哪些需要保持干燥存放。

"Helix可以泛化至任何家居物品," Adcock在社交媒体上表示。"就像人类一样，Helix能够理解语音、推理问题，并能抓取任何物体——且无需训练或额外编程。"

Figure声称，这一模型在机器人技术领域创造了多个首次突破。它能以200Hz（每秒200次）的速率持续控制整个仿人机器人上半身，包括手指、手腕、躯干和头部方向的动作。它还能让两台机器人协作处理从未见过的物体，共同完成任务。

与以往的方法不同，Helix不依赖任务特定的微调，而是使用同一组神经网络权重处理所有行为。其中，一个系统解析语音和视觉数据，实现复杂决策，而另一个系统则将指令转化为精准的运动控制，实现实时响应。

"我们已经为此研究了一年多，目标是彻底解决通用机器人问题," Adcock在社交媒体上表示。"仅靠编程无法解决这一问题，我们需要机器人能力实现质的飞跃，才能扩展至10亿台机器人级别。"

Helix这一突破开启了机器人领域的全新“扩展法则”——不再依赖编程，而是通过大规模集体学习，使模型在无需专门训练的情况下变得更强大。

Figure AI采用500小时的远程操作机器人行为数据训练Helix，并利用自动标注流程为每个示范生成自然语言指令。整个系统运行在机器人内部的嵌入式GPU上，使其能够立即投入商业使用。

Figure AI透露，已与宝马（BMW）制造部门以及一家未披露的美国主要客户达成合作。该公司预计，这些合作将为未来四年内部署10万台机器人奠定基础。