Figure AI Helix 2.5：零样本泛化突破，机器人首次无需预采集即可进入陌生家庭作业

事件概述

9 月 17 日，Figure AI 发布了新一代机器人控制模型 Helix 2.5。该公司在 30 个位于湾区的真实民宅中进行了零样本（Zero-Shot）测试。与以往需要预先采集目标场地数据或依赖人工远程遥操不同，Helix 2.5 在进入完全陌生的家庭环境后，能够直接开始执行任务，无需事先进行数据采集或针对性微调。

核心数据与表现

• 零样本成功率：在 420 次试验中，成功完成 237 次，整体零样本成功率为 56%。评测为盲测，且没有任何单一评测任务在 Index 预训练数据中的占比超过 1.90%，确保机器人是“凭空”应对新环境。
• 对比基线：使用相同硬件和任务数据但未经过 Index 预训练的策略，成功率仅为 9%。Index 预训练将零样本成功率提升了近 6 倍，整体成功率提升了 522%。
• 代际对比：Helix 2.5 仅用上一代模型 Helix 02 一半的适应数据量，就在 30 个陌生家庭中追平了 Helix 02 在单一熟悉场地的成功率。
• 缩放定律验证：实验显示，随着预训练数据规模的增加，机器人动作预测误差呈规律性下降。在固定模型规模下，数据量翻倍可预测性地降低损失，偏差仅为 0.54%，证实了“人类到人形机器人迁移”的可预测比例关系。

技术支撑：Index 数据集

Helix 2.5 的能力主要得益于 Figure AI 推出的大规模机器人训练数据集 Index。

• 数据规模：Index 被描述为“迄今最庞大、最多样的机器人训练数据集”。上线初期已有 26.4 万次下载，覆盖 108 个国家，每周活跃创作者超 4.4 万人，累计上传视频超 1600 万条。数据摄入速度曾达到每秒 35 分钟的新视频。
• 数据处理：原始数据需经过筛选、反作弊检查、去重、分布再平衡和文字标注五道工序才能用于训练。
• 投入力度：Figure 已向创作者支付 1500 万美元，并计划在未来 12 个月投入超 10 亿美元用于数据和算力，旨在将采集规模扩大 100 倍。

行业对比与意义

• 区别于竞品：特斯拉 Optimus 和 1X Neo 等竞品目前仍高度依赖大规模人类遥操作数据或内部远程操作员（如 1X 的“Turing”系统）接管复杂任务。Figure 的路径是先通过海量人类视频学习通用行为模式，再用少量数据进行适配，理论上消除了为新家庭单独采集数据的必要性。
• 算力合作：为解决数据和算力瓶颈，云计算公司 Nscale 宣布向 Figure 提供至少 35 亿美元的算力支持，双方计划将规模扩大至 60 亿美元以上，最多部署 10 万块英伟达 Vera Rubin 芯片，首批设备预计 2027 年下半年落地。

局限性与展望

尽管取得了突破，当前测试仍存在局限性：

1. 任务种类少：测试仅包含叠毛巾、整理床铺和捡东西等 3 类任务。若能将任务扩展至 10-12 类并将成功率提升至 80%-90%，将更接近实用化标准。
2. 环境复杂性：测试住宅保留了原有布局，但未涵盖日常生活中的极端混乱场景（如地毯上的积木、沙发缝里的线缆等）。
3. 自我修正能力：Helix 2.5 具备长时间任务中的自我修正和重试功能，这有助于提高最终成功率，但初始失败率仍需关注。

Figure AI CEO Brett Adcock 表示，这是公司迄今最重要的项目，旨在证明机器人可以像人类一样，凭借过往经验直接进入新环境工作，而无需重新学习。