kaiyun体育而机器东谈主视觉通达策略是快的-开元体育官网登录入口

发布日期：2026-04-17 06:34 点击次数：132

出品｜虎嗅科技组

作家｜余杨

裁剪｜苗正卿

头图｜Figure

2 月 21 日凌晨，Brett Adcock 在 X 上发布了 Figure "历史上最要紧的东谈主工智能更新"—— Helix。

这是 Figure 与 OpenAI 断绝政策合作后中枢时期效果的初次展示，半个月前，Brett Adcock 即预报过这项"东谈主形机器东谈主向前所未有的时期"。

Helix 是一种用于通用东谈主形机器东谈主戒指的"视觉 - 话语 - 作为" ( VLA ) 模子，大略将感知、话语清醒和学习戒指妥洽起来，这意味着对机器东谈主时期鸿沟多项始终挑战的克服。

证据官网音问，Helix 驱散了一系列草创，包括通盘上身戒指、多机器东谈主合营、提起任何东西（即使是从未见过的东西）、团结神经汇聚、已作念好生意准备等立异点。

在官方发布的视频中，现实东谈主齐备使用话语交流戒指，从纸袋中拿出了机器东谈主第一次见的物品，条目机器东谈主通过想考，把眼睛所看到的东西归置到它们应该在的位置，况且条目两个机器东谈主共同合营去放好。

随后，从视频中看来，两个机器东谈主（左 A 右 B）通过识别、推理，机器东谈主别离掀开了抽屉柜和雪柜，机器东谈主 A 将密封物品放进了抽屉柜，机器东谈主 B 将需要保鲜的物品放进了雪柜。接着，机器东谈主 A 又将看起来需要保鲜的食品递给机器东谈主 B，机器东谈主 B 接过食品，看了看机器东谈主 A，又看了看手中的食品，转手丝滑地放进了雪柜。稍后还有机器东谈主 B 将物品交给机器东谈主 A 归置到抽屉柜以及合营将苹果放进左下角玄色圆盘的操作。

也即是说，Helix 是第一款对通盘东谈主形上身（包括手腕、躯干、头部和各个手指）进行高速率结合戒指的 VLA，不错同期在两个机器东谈主上驱动，使它们大略使用从未见过的物品管制分享的、辛劳操作任务，配备了 Helix 的 Figure 机器东谈主只需按照当然话语指示，就能提起险些任何袖珍家居物品，包括数千种它们从未遭逢过的物品。

况且，与之前的才略不同，Helix 使用一组神经汇聚权重来学习整个行为（如挑选和放弃物品、使用抽屉和雪柜以及跨机器东谈主交互），而无需任何针对特定任务的微调。由于是第一款齐备在镶嵌式低功耗 GPU 上驱动的 VLA，它还大略飞速驱散生意化。

事实上，旧年 1 月，Figure 和良马就设立了合作联系，良马在其位于南卡罗来纳州的工场部署了 Figure 机器东谈主，东谈主们对东谈主形机器东谈主干与家庭自如双手的期待不断热潮。

听起来陋劣，但却是机器东谈主时期濒临的一大挑战。与受控的工业环境不同，家里堆满了无数的物品——精细的玻璃器皿、皱巴巴的穿戴、洒落的玩物——每件物品齐有不能瞻望的体式、大小、步地和纹理。为了让机器东谈主在家庭中确认作用，它们需要大略按需产生智能的新行为，尤其是对它们从未见过的物体。

关于这个难题，以往的机器东谈主时期有两种管制决策：要么通过 N 小时的博士级巨匠手动编程来教机器东谈主一种新行为，要么是 N 千次演示。关联词，家庭问题的样本鬼出电入，这两种才略的成本齐太高了。

Figure 大方先容了我方的模子想考原点。即：若是能陋劣地将视觉话语模子 ( VLM ) 中拿获的丰富语义知识径直鬈曲为机器东谈主作为，这种新功能将从根柢上编削机器东谈主的膨胀轨迹（如下图所示），仍是需要数百次演示的新技巧只需用当然话语与机器东谈主交谈即可立即获取。

不外，要津问题在于：怎样从 VLM 中提真金不怕火整个这些学问性知识并将其鬈曲为可泛化的机器东谈主戒指？这就触及到了 Figure 的冲破—— Helix。

往时的才略濒临着一个根人性的量度：VLM 骨干是通用的，但速率不快，而机器东谈主视觉通达策略是快的，但欠亨用。Helix 通过两个互补的系统管制了这一量度，即"系统 1、系统 2 " VLA 模子，这两个系统经过端到端的覆按，不错进行通讯：

系统 2 ( S2 ) ：一个机载互联网预覆按的 VLM，以 7-9 Hz 的频率驱动，用于场景清醒和话语清醒，从而驱散跨对象和荆棘文的无为轮廓。

系统 1 ( S1 ) ：一种快速反馈的视觉通达策略，将 S2 产生的潜在语义表征鬈曲为 200 Hz 的精准结合机器东谈主作为。

这种解耦架构允许每个系统在其最好时候圭表上驱动。S2 不错"渐渐想考"高等野心，而 S1 不错"快速想考"以及时实行和调遣作为。举例，在合营行为期间，S1 不错快速适合伙伴机器东谈主不断变化的作为，同期保持 S2 的语义野心。

追溯 Helix 时期上的立异点即是：

速率和泛化：Helix 匹配专诚的单任务行为克隆策略的速率，同期将零样本扩充到数千个新颖的测试对象。

可膨胀性：Helix 径直输出高维作为空间的结合戒指，幸免了先前 VLA 才略中使用的复杂作为秀雅决策，这些决策在低维戒指成立（举例二值化并行夹持器）中已取得一些告捷，但在高维东谈主形戒指中濒临膨胀挑战。

架构陋劣：Helix 使用要领架构 - 用于系统 2 的开源、绽开权重 VLM 和用于 S1 的陋劣的基于变压器的视觉通达策略。

温雅点分离：将 S1 和 S2 解耦，咱们不错别离在每个系统上进行迭代，而不受寻找妥洽的不雅察空间或作为示意的驱散。

具体来说，Helix 大略戒指从单个手指通达到结尾实行器轨迹、头部扫视和躯干姿势等一切。视频演示中，机器东谈主用头部沉稳地追踪双手，同期调遣躯干以获取最好触及范围，同期保持精准的手指戒指以进行抓合手。

从机器东谈主时期更替历史看，在如斯高维的作为空间中驱散这种精度水平被觉得是极具挑战性的，即使关于单个已知任务也十分贫苦，因为一般来说，当头部和躯干出动时，它们会编削机器东谈主不错触及的范围和不错看到的范围，从而产生反馈轮回，而这种反馈轮回在往时会导致不沉着。之前莫得 VLA 系统大略展示这种进程的及时协调，同期保持跨任务和对象泛化的才略。

两个 Figure 机器东谈主之间的合营零样本杂货存储的流程中，机器东谈主告捷地操作了全新的杂货（覆按期间从未遭逢过的物品），展示了对多样体式、大小和材料的持重泛化。此外，两个机器东谈主齐使用换取的 Helix 模子权重进行操作，无需进行针对机器东谈主的覆按或明确的脚色分拨。它们通过当然话语指示驱散协调，举例"将一袋饼干递给你右边的机器东谈主"或"从你左边的机器东谈主那边接过一袋饼干并将其放在掀开的抽屉里"。

况且，通过陋劣的"拾起 [ X ] "呐喊拾起任何袖珍家用物品。在系统测试中，机器东谈主告捷处理了杯盘缭乱的数千件新物品（从玻璃器皿和玩物到器用和衣物），无需任何预先演示或自界说编程。