Figure发布Helix 2.5，机器人零样本进入30个陌生家庭

Figure发布Helix 2.5模型，使机器人能够自主完成家务。公司为此在旧金山湾区租下30套住宅，机器人没有接受额外训练，到达每套房子后便开始自行收拾。

Helix 2.5的构建旨在回答一个问题：类人机器人能否进入一个从未见过的家，并立即自主工作？Figure称，这个问题本身的表述方式，比技术指标更能说明其想要验证的目标。

过去，机器人在新环境中工作通常需要提前建图、收集数据，或针对具体场景做微调。Helix 2.5要测试的是零样本泛化：机器人进入陌生家庭时没有该环境的数据，却能直接开始干活。

这一测试不再依赖单一实验室中的受控演示。每个家庭都有不同的家具、布局、物品和光照条件；零样本运行意味着机器人不能依靠记忆中的地图或预先采集的轨迹，成功与否取决于能否把通用技能迁移到新的物理环境。

一个基础模型产生三种行为。Figure在全球人类行为数据集Index上预训练了Helix 2.5。基于这一单一基础模型，机器人产生三种行为：整理客厅、折叠毛巾和整理床铺。这三种行为覆盖了运动、刚性和可变形操作、双手协调以及主动感知。

这些任务并不简单。整理客厅涉及导航和物品重排；折叠毛巾涉及可变形物体；整理床铺需要双手协调与主动感知。通过让一个基础模型适配三种行为，Figure试图证明通用策略可以服务多种家务，而不是为每项任务单独开发系统。

随后，Figure带着机器人进入湾区30户家庭，此前没有收集任何数据。在测试中，一个单一的Index预训练基础模型被调整为三种不同行为。该设计的特点是，基础模型保持通用，只针对具体任务做少量调整，而不是每个任务都从头训练一个模型。

实测数据显示，成功率从8%提升到56%。Index预训练显著提高了人形机器人零样本全身泛化能力。在任务专用数据、架构、训练和评测均保持不变的情况下，该变量使任务成功率从8%提升至56%。48个百分点的提升对应的是预训练数据带来的泛化收益。

与前代神经网络Helix 02相比，Helix 2.5只用了一半的任务专用数据，就将该行为泛化到了30个前所未见的新环境。

Figure表示，Helix 2.5首次证明，全身智能可以从人类经验中学习并转移到新场景中，而不用每次都进行重建。56%的成功率意味着还有44%的任务会失败，但在零样本条件下，这个数字已经说明基础模型在新环境里的泛化能力有了实质提升。

接下来要看的是，这个成功率在真实家庭里待更长时间之后能否保持稳定，以及三种行为之外的其他家务任务能不能用同样的方式泛化。