Figure Helix 02引入System 0：以“身体反射”重构移动操作一体化

事件概述

Figure机器人近期发布的Helix 02模型引入了全新的System 0层级，彻底改变了人形机器人的控制系统架构。该层级的加入使得机器人不再将移动（Locomotion）与操作（Manipulation）拆分为串行步骤，而是实现了两者在物理层面的深度耦合与连续执行，使动作更接近人类的自然流畅性。

核心信息

1. System 0：重新定义系统边界

• 功能定位：插入原有系统底层的全身控制器（Whole-body Controller），负责平衡、接触处理及全身协调。
• 运行频率：以1 kHz的高频运行，确保实时响应。
• 架构替代：由一个约1000万参数的神经网络替代了传统系统中超过10万行手写C++控制代码。
• 数据来源：基于超过1,000小时的关节级人体运动数据进行强化学习训练。

2. 解决核心难题：移动操作一体化（Loco-manipulation）

• 传统痛点：以往机器人模型常将移动和操作视为独立环节（如：走到目标->停下->操作->再移动），导致动作分段、不连贯，难以应对真实世界的动态变化。
• System 0突破：解决了移动与操作无法被“干净分解”的难点，让机器人能像人一样在移动过程中完成精确操作，无需频繁停顿调整。

3. 技术架构类比：Agent与Skill的重构

若将系统类比为AI Agent架构，其层级关系发生了本质变化：

• System 2 (Agent)：负责顶层决策，理解环境与任务。
• System 1 (Skill Generator)：不再是离散的“技能库”，转变为连续的“技能生成器”，持续输出全身动作目标而非调用固定指令。
• System 0 (Body Reflex)：相当于“肌肉记忆”或“身体反射”。它位于最底层，专门负责将上层生成的动作目标转化为物理上可执行的指令，确保执行过程的稳定性与连续性。

4. 关键技术改写细节

• 数据形态：学习的是关节间的协调关系，而非简单的动作姿势。
• 模型角色：作为一个高频运动先验网络，专注于将动作目标转化为物理指令，不负责环境理解。
• 训练方式：在超过20万并行仿真环境中进行训练，涵盖各种物理扰动和接触条件，通过领域随机化提升鲁棒性。
• 接口设计：与System 1在时间尺度上分层。System 1输出关节目标位置，System 0接管“最后一跳”，在1kHz频率下修正误差、处理接触并维持平衡。

值得关注

• 技术路线转向：Helix 02反映了行业趋势从聚焦单一模块能力（如仅上半身操作）转向将各类工具融合为一套连续策略。这标志着机器人控制链路从传统的“像素到动作”进一步延伸至“像素到扭矩”，强调模型与身体的融合协同。
• 未来挑战：尽管Helix 02在厨房和客厅整理任务中表现流畅，但其在陌生环境、强扰动、长时序失败恢复及跨家庭泛化等维度的真实鲁棒性仍需后续验证。