摘要
2026 年 9 月 17 日，人形机器人公司 Figure 发布了其迄今最先进的全身神经网络 Helix 2.5。与以往"在哪个房间训练、就只能在哪个房间干活"的机器人系统不同，Helix 2.5 被带进了 30 个从未采集过任何数据的旧金山湾区真实住宅，且使用同一份权重、不做任何微调或环境适配，就完成了整理客厅、折叠毛巾、铺设床铺三类长程全身任务。最关键的实验结果并非那些"看起来很酷"的演示视频，而是一组数字：在受控对比中，Index 预训练把零样本整任务成功率从 9% 提升到了 56%，提升超过 6 倍；同时行为定义成本降低一半，而部署覆盖范围扩大了 30 倍。Figure 还首次给出了"人类行为数据到机器人动作预测"的迁移缩放定律。本文将从技术架构、实验设计、行业影响与局限等角度，对这次发布做一次尽量克制的技术评测。
事件背景
Figure 长期押注"通用人形机器人"路线，其 Figure 03 硬件围绕 Helix 系列神经网络设计：头部与掌心相机提供高频视觉，手指具备触觉传感，机身更轻，能够进入人类住宅的狭窄空间。在 Helix 2.5 之前，Helix 02 已经证明神经策略可以协调人形机器人的全身，完成从卸载洗碗机到连续 200 小时自主物流作业的任务。但这些系统都建立在一个前提上：数据是在机器人将要部署的那个环境里采集的。
换一个场景、换一张床、换一批从来没见过的毛巾，往往就意味着重新采集演示数据、重新训练、重新调参。Helix 2.5 想回答的正是这个更棘手的问题：一台人形机器人，能不能走进一个它从未见过的家，立刻开工？
2026 年 9 月 17 日，Figure 官方博客公布了答案。发布会时间点也非常微妙——Figure 创始人兼 CEO Brett Adcock 在随视频中特别强调，团队是租下了 30 个湾区住宅来做评测，既没有在这些房子里采过数据，也没有为任何具体房屋调整过权重。
核心技术解析
技术架构
Helix 2.5 的核心不是某一个新模块，而是"单基础模型 + 三个全身行为"的组织方式。团队先用 Figure 自研的全球规模人类行为数据集 Index 预训练一个基础模型，再从这同一个基础模型派生出三种行为：整理客厅、折叠毛巾、铺床。这三类任务合在一起，覆盖了感知、移动、刚性物体操作、可变形物体操作、双手协调与全身控制——几乎是机器人学的"全科考试"。
graph TD
A[Index 全球人类行为数据集<br/>数十万贡献者 / 100+ 国家] --> B[五阶段数据清洗流水线]
B --> B1[自动质量过滤]
B --> B2[欺诈验证]
B --> B3[去重]
B --> B4[再平衡]
B --> B5[语义标注]
B1 & B2 & B3 & B4 & B5 --> C[Helix 2.5 基础模型]
C --> D1[整理客厅]
C --> D2[折叠毛巾]
C --> D3[铺设床铺]
D1 & D2 & D3 --> E[同一份 Checkpoint<br/>部署到 30 个陌生家庭]
E --> F[全身自主: 行走 + 定位 + 双手操作 + 主动感知]
关键创新点
-
零样本全身泛化：机器人在 30 个未见过的家庭中，不采集数据、不微调、不适配，使用同一份 checkpoint 完成长程全身任务。Figure 称这是"首个在这一规模上实现零样本全身泛化的人形机器人演示"。
-
以人类行为为预训练底座：Index 数据集由数十万贡献者在 100 多个国家采集，包含连续的自我视角视频与物理交互轨迹。官方称其数据在以每真实秒约 35 分钟人类物理体验的速度持续增长。原始数据经过自动质量过滤、欺诈验证、去重、再平衡、语义标注五阶段流水线清洗，提炼为高密度"物理基础 token"。
-
迁移缩放定律：Figure 报告了一个"人类到人形机器人"的迁移缩放定律——反复将 Index 预训练数据翻倍，下游机器人动作预测的损失会平滑下降，以至于团队在训练最大规模那次运行之前，就能把损失预测到小数点后四位。这是本次发布中最具方法论意义的成果。
-
行为定义成本与覆盖范围的剪刀差：Helix 2.5 使用的任务特定数据只有某个代表性 Helix 02 行为的一半，却把该行为泛化到 30 个陌生家庭，覆盖范围扩大了 30 倍。
性能评测
Figure 做了一次严格的消融实验：两个策略使用完全相同的任务定义数据（其中不含任何评测房屋或评测物体），唯一区别是其中一个初始化自 Index 预训练。结果如下：
| 指标 | 从零训练（无 Index） | Index 预训练（Helix 2.5） |
|---|---|---|
| 零样本整任务成功率 | 9% | 56% |
| 行为定义数据量 | 基准值 | 约 0.5 倍 |
| 部署覆盖家庭数 | 基准值 | 30 倍 |
需要特别区分的是"零样本"的边界。Figure 的零样本指的是评测房屋与评测物体：机器人没有在 30 个评价住宅中采过数据，没有为某栋房子调整过权重，评测用的玩具、毛巾、床品也被提前保留、从未出现在任务特定训练数据里。它并不表示机器人"跨进门口就凭空发明了新任务"——三种行为本身的规格仍然是用别处采集的数据教出来的。
行业影响
对市场的影响
人形机器人长期被质疑"演示很惊艳、落地很脆弱"。Helix 2.5 把竞争焦点从"单个环境里的动作精度"转移到了"跨环境的泛化能力"，这正是从实验室走向商业部署的必经关卡。对仓储、物流、家政服务等场景而言，泛化能力直接决定了部署成本：每进入一个新场地都要重新采数据、重新训练的模式，边际成本极高；而如果一套策略能零样本迁移，规模化部署的经济模型就会发生根本变化。
对开发者的意义
对机器人学习研究者，最有价值的不是 56% 这个绝对值，而是那条缩放定律。它暗示了一条可行路径：与其为每个任务、每个地点堆砌专用数据，不如把投资集中在高质量、大规模的人类行为预训练语料上。这与 NLP 领域"预训练 + 微调"的范式迁移高度相似——数据的组织方式，比任务特定数据的数量更关键。
商业化前景
Figure 同时披露了算力侧的投入：35 亿美元算力，并与 Nscale 签署协议锁定约 10 万张 Nvidia Vera Rubin GPU。这说明 Figure 把"数据 + 算力"视为通用人形机器人的核心壁垒。不过要注意，Helix 2.5 目前是研究里程碑，而非可购买的家用产品。
实际体验
使用场景演示
评测中，Figure 03 进入完全陌生的住宅，连续完成三类任务：在客厅里逐个捡起散落的玩具放进收纳篮；在没见过的卧室里抓取枕头、拉平被褥、整理床单；拿起从未见过的毛巾并折叠收纳。Adcock 在配套视频中强调，机器人在这些房间里必须"边走边找目标物体、调整身体姿态、再完成抓取与放置"，并且在失败后能够自行恢复，无需人工干预。
优势与不足
优势：
- 零样本跨环境泛化，且给出了可复现的消融实验设计（唯一变量是 Index 预训练）。
- 一个基础模型派生多种全身行为，架构复用度高。
- 首次在机器人上给出人类行为到机器人动作的迁移缩放定律，方法论价值高。
- 任务特定数据需求下降、覆盖范围扩大，部署边际成本有望显著降低。
不足：
- 结果全部为公司自报，尚未经过独立同行评审。
- 56% 的成功率意味着接近一半的尝试会失败，距离"日常可靠"仍有明显差距。
- 评测仅覆盖三种具体行为，不等于任意家务都能胜任。
- 家庭场景的真正难点（儿童、宠物、楼梯、易碎品、热源、隐私与价格）并未被这次评测触及。
总结与展望
Helix 2.5 的意义在于把一个模糊的口号——“让机器人理解物理世界”——转化为可以量化的指标：零样本成功率、数据效率、迁移缩放定律。它证明全身智能可以像语言能力一样，从人类经验中学习并迁移到新场景，而不是每换一个地方就要重建一次。这是具身智能领域一次方法论层面的进步。
但也应保持冷静：56% 不是产品级可用性，公司自报数据也需独立验证。真正的分水岭在于，这套泛化能力能否在安全性、可靠性与成本三个维度同时收敛。如果缩放定律成立，接下来值得观察的指标是——当 Index 数据再翻一倍、算力再上一个数量级时，成功率曲线会走多高。
参考来源：