会用臀和脚关门的机器人登场！4分钟61步，Figure最强具身模型发布

机器人前瞻（公众号：robot_pro）
作者 许丽思
编辑 漠影

机器人前瞻1月28日报道，今天，Figure发布了最新具身模型Helix 02，能够用单一的神经网络实现全身长程自主控制。

Helix 02让机器人连续执行了一个设计61个行走-操作动作的长程任务，Figure强调，这不是遥操，是完全的端到端自主，还能像人一样把髋部、脚也变为完成任务的工具。

Helix 02在感知侧新增掌心相机与高灵敏度指尖触觉传感器，其中掌心相机用于弥补操作过程中因自遮挡导致的视野缺口，指尖触觉则提供更精细的力反馈，从而支持更稳定的抓握控制与多指精细操作，像旋转瓶盖、捏取药店、操作注射器等任务。

一、耗时四分钟，无遥操、端到端自主操作洗碗机

在一个标准大小的厨房里，Figure让机器人完成了长达四分钟的操作洗碗机的任务。

Figure称，这个任务涉及61个动作，将行走、操作与平衡进行整合，全程无需重置、无人类干预，是迄今为止由人形机器人自主完成的、时间跨度最长且最复杂的任务。

机器人行走姿态非常拟人，先用手打开洗碗机，拿出餐具。

在拿着易碎餐具行走时，全称行走状态比较稳定，并把已经清洗完的餐具放到橱柜里，最后用双手把柜门关上。

紧接着，机器人把水池中的餐具放到洗碗机中。

有意思的是，当腾不出手的时候，机器人会用髋部关上抽屉、用脚抬起洗碗机门，把整个身体当作工具使用，而不是只依赖双手。

Figure还展示了机器人通过触觉感知、掌心相机，来执行灵巧操作任务的情况：一手稳住瓶身、一手持续拧动瓶盖；像人用指腹一样地精准捏取药片；用注射器精准推出5ml等。

二、引入System 0，能够下达更长、步骤复杂的连续任务

Helix 02 原有的System 1,、System 2的架构之上，加入了一个新的基础层：System 0。

System 0：来自人类数据的类人全身控制

S0是一个用于类人全身控制的基础模型，能够描述人在维持平衡与稳定时如何运动，确保机器人的每一个动作都能平滑、安全且稳定地执行。

S0 在训练思路上放弃了传统做法中为“走路、转向、下蹲、伸手”等动作分别手工设计奖励函数的方式，而是直接让模型从大量、多样的人类运动数据中学习人是怎么动的。

通过模仿与跟踪人类动作，S0逐步学会在不同动作之间协调发力、调整姿态，并在完成“通用行走-操作”这类复杂行为时持续保持平衡与稳定。

S0的训练以超过1000 小时的关节级重定向人类运动数据为基础；在架构上，它采用了一个约1000万参数的神经网络，以全身关节状态与底座运动作为输入，并以1 kHz的频率输出关节级执行器指令。

在训练方式上，S0完全在仿真中完成，覆盖超过200000个并行环境并采用大量域随机化，从而实现向真实机器人的直接迁移，并具备良好的泛化能力。

System1：控制机器人全身关节

在Helix 01中，S1可以控制上半身，并从关节状态与图像中读取信息。在Helix 02中，它连接上了所有传感器，能够控制整台机器人。

S1在输入侧接入头部相机、掌心相机、指尖触觉传感器以及全身本体感知；在输出侧则实现对整台机器人的完整关节级控制，覆盖腿部、躯干、头部、手臂、手腕及每一根手指等全身部位。

据介绍，这使得 S1能将机器人自身状态与外部环境作为一个耦合系统进行统一推理。掌心相机与触觉传感器属于Figure 03 新增的硬件能力，Figure称这是其首次展示依赖上述模态的神经网络策略。

掌心相机可以在目标被头部相机遮挡时提供手中视觉反馈；指尖触觉传感器嵌入于每个指尖，能够检测回形针大小的接触力，以支持具备接触意识、可进行力调制（force-modulated）的抓取，从而能够处理需要多指抓握、精细运动控制的复杂操作任务。

System 2：负责场景、语言理解

S2依旧承担语义推理层的角色，主要负责看懂场景、理解语言指令，并把高层意图转化为可执行的目标交给下一级系统。

相比此前只能下达类似“捡起番茄酱”这类较短、单一步骤的指令，Helix 02 将S2可指定的行为范围进一步拓展到更长、更连贯的任务，比如“走到洗碗机前并打开它”“把碗搬到台面上”“回到上层架并拿起杯子”等，指令更接近日常家务的表达方式。

在实现上，S2不需要规划具体的步伐，其生成的语义指令由S1解释并由S0最终执行。

结语：人形机器人加快迈向长时程任务新阶段

一年前，Helix还仅能通过神经网络控制机器人的上半身；如今，Helix 02已将控制能力拓展至全身，使行走、操作与平衡不再是被机械拼接的独立环节，而是融合为一套更为连贯、闭环的智能系统。

这意味着人形机器人正从短暂的片段式演示，加快走向真正胜任长时程、多步骤的复杂任务。通过软硬件深度整合与感知-决策-执行的闭环迭代，具身智能正在快速演进，为机器人在开放、动态场景中的规模化应用铺平道路。