Figure 发布 Helix 2.5:零样本闯进 30 个陌生家庭,成功率 56%
APPSO · wechat · 2026-09-18
Figure 发布新一代模型 Helix 2.5,在湾区 30 个从未见过的真实民宅中做零样本盲测:420 次试验成功 237 次,零样本成功率 56%;而同样硬件、未做 Index 预训练的策略仅 9%。机器人无需事先采集场地数据或微调,直接面对陌生物体和布局叠毛巾、整理床铺、捡拾物品,且具备长任务中的自我修正与重试能力。
核心发现
- Helix 2.5 仅用上一代 Helix 02 一半的适应数据量,就在 30 个陌生家庭追平了后者在单一场地(需现场采集数据)的成功率。
- 预训练数据规模与机器人表现呈可预测的比例关系(类似语言模型的缩放定律):Index 预训练数据逐次翻倍,动作预测误差规律性下降,损失值预测偏差仅 0.54%。
Index 数据集:人类视频是基础教材
Index 数据采集应用 8 月 25 日正式亮相,已有 26.4 万次下载、覆盖 108 国、周活创作者 4.4 万,累计上传超 1600 万条视频(峰值每秒涌入 35 分钟新视频,相当于每天 4.9 年人类工作量)。Figure 已付给创作者 1500 万美元,并计划未来 12 个月投入超 10 亿美元扩大数据与算力规模 100 倍。数据需经筛选、反作弊、去重、分布再平衡、文字标注五道工序。
行业对比与局限
- 1X Neo(售价 2 万美元)复杂动作仍靠代号「Turing」的远程操作员 VR 实时接管;特斯拉 Optimus 依赖大规模人类遥操作数据。
- 本次评测仅 3 类任务,若扩展到 10-12 类并将零样本成功率提到 80-90%,家庭部署才真正可行;日常家庭混乱(地毯上的乐高、沙发缝里的线)仍是考验。
- 9 月初 Nscale 宣布向 Figure 提供至少 35 亿美元算力(可扩至 60 亿美元、最多 10 万块英伟达 Vera Rubin 芯片,2027 下半年得州落地),并入股成为优先算力供应商。
CEO Brett Adcock 称这是「我们迄今最重要的项目」,公司最大瓶颈是数据和算力。
所属事件:Figure 发布 Helix 2.5：30 个陌生家庭零样本干活(20 条相关)→
「具身」频道最新
- 夏校现场逐家拆解自动驾驶 SOTA 方案:花活多但都不泛化 — ftm_guney · 2026-09-18
- 机器人规划下一步:用神经渲染构建闭环真实环境 — abursuc · 2026-09-18
- Holger Caesar 谈自动驾驶：scaling law 与端到端学习的交叉口 — abursuc · 2026-09-18
- Hugging Face 联创 Thom Wolf 晒机器人头部硬件迭代 — Thom_Wolf · 2026-09-18
- 独立团队发布开源桌面机器人 Sudo,可自托管 AI 无订阅费 — wateriscoding · 2026-09-18
- LAIA 数据集发布：CARLA 中 44 人 15 小时驾驶配眼动标注 — abursuc · 2026-09-18