Figure 发布 Helix 2.5：30 个陌生家庭零样本干活

Figure 于 09-18 发布通用人形机器人基础模型新版本 Helix 2.5，并同步放出配套演示：CEO Brett Adcock 公布视频，展示人形机器人在湾区租下的 30 个真实住宅中零样本连续工作约 4 小时，随后又放出 30 分钟浓缩版实录。机器人抵达完全陌生的家庭环境后，未做任何额外训练、也未在这些环境或物品上收集任何数据，即可立即开始执行有用的家务工作；消融实验进一步显示 Index 预训练是这一泛化能力的关键来源。

已确认

• Helix 2.5 为 Figure 迄今最强的神经网络，也是首个基于 Index 平台训练的模型；Index 数据引擎在拍摄时以每秒 35 分钟的速度产出训练数据（Figure 工程师 coreylynch 介绍）。
• 模型可零样本执行三种全身行为（如整理客厅、叠毛巾等），覆盖 30 个真实家庭；这些家庭从未采集过训练数据，机器人须完全依靠泛化能力应对陌生环境与物品。
• 部署方式为「零样本进陌生家庭」：团队在湾区租下 30 个真实住宅，机器人到现场后直接开工。
• 关键消融结果（coreylynch 多次强调为最重要的结论）：同一模型、同一任务数据、同一评测下，不加 Index 预训练时零样本全身行为成功率仅 8%，加上后跃升至 56%，说明 Index 预训练可直接迁移为零样本全身能力。
• Index 还展现出可预测的 scaling 信号：数据翻倍后 next-action prediction 的提升足够可预测，能在开训前把最大一次 run 的 loss 预测到小数点精度。
• coreylynch 观看实机长时程任务演示后表示，当模型在主动感知和自我纠错上足够强时，「长时程」体验发生质变——模型会主动把任务做完。

为什么重要

• 该演示试图回答一个更难的问题：人形机器人能否进入从未见过的家庭，立即用全身自主开始工作。零样本、无家庭数据的部署验证，是从实验室走向通用家庭机器人的关键一步。
• 8%→56% 的消融结果与可预测的 scaling 曲线，为人形机器人基础模型「靠数据规模扩展泛化能力」的路线提供了少见的量化证据。

2026-09-18 ~ 2026-09-18 · 10 条相关

• 【源头】Figure 实录：人形机器人在 30 个出租屋零样本连续工作 4 小时 — adcock_brett · 2026-09-18
• Figure 发布 Helix 2.5：人形机器人在 30 个陌生家庭零样本干活 — adcock_brett · 2026-09-18
• 【源头】Helix 2.5 发布:零样本完成全身行为,横跨 30 个真实家庭无任何家庭训练数据 — coreylynch · 2026-09-18
• Figure 发布 Helix 2.5:30 个真实家庭零样本演示全身行为 — coreylynch · 2026-09-18
• 【源头】Index 预训练让 Helix 2.5 零样本成功率从 8% 跃升至 56% — coreylynch · 2026-09-18
• Index预训练让人形模型零样本成功率从8%跃升至56% — coreylynch · 2026-09-18
• Figure 披露 Index 预训练消融：机器人零样本成功率 8%→56% — coreylynch · 2026-09-18
• Physical Intelligence 放出 Helix 2.5 在 30 个家庭 4 小时零样本运行实录 — coreylynch · 2026-09-18

另有 2 条近重复转述:inductionheads · coreylynch