Figure让机器人学会零样本做家务，泛化这关总算有动静了

9月17日，人形机器人公司Figure发布了一个叫Helix 2.5的神经网络模型，宣称是目前最先进的。最抓眼球的不是跑分，而是一个实打实的场景：一台从没见过你客厅的Figure 03机器人，能自己把客厅收拾利索。

这背后，正是具身智能圈最头疼的那个词——泛化。

零样本，是什么意思

以前给人形机器人部署一个新场景，基本得先录数据、再训练、再调试，一套流程走下来费时费力。Helix 2.5的玩法是另一套：开发者只用人类行为数据集Index预训练了三种行为——整理客厅、折毛巾、整理床铺，然后把机器人扔进一个完全陌生的环境。

结果，Figure 03在没有经过任何额外训练的情况下，实现了全身自主做家务。这意味着机器人能把对物理世界的理解，从一个环境自动迁移到另一个环境，实时适应动态变化，而不必每次都从头构建。

为什么这很难

说人话就是，机器人能不能理解这句潜台词：这房间我头回见，但我照样能收拾。真实世界千变万化，沙发角度不一样、桌上东西不一样、光线不一样，如果机器人只会死记硬背练过的那几个动作，换个环境就抓瞎。

这正是当前人形机器人的最大短板。行业里有句话叫对齐——AI模型的输入输出，跟真实机器人之间的对齐程度不够。宇树的王兴兴之前也提过，机器人真正干活时最后几厘米甚至几毫米的误差，恰恰卡住了泛化能力的提升和走入千家万户的进度。

Figure这次走的路子，就是冲着补这块短板去的：用理解物理世界来替代记住动作。你不需要教会它你家的客厅长什么样，它自己会看懂。

折毛巾这个细节，比想象中有分量

千万别小看整理床铺、折毛巾这些家务。它们涉及的是柔性物体处理——毛巾是软的，形状不固定，没有固定抓手点，这对机器人的视觉和力学控制都是硬考验。能让机器人利索地做完一整套，已经能窥见模型泛化的成色。

换句话说，能把最乱的家务干明白的机器人，再去适应工厂里相对标准的操作，反而是降维打击。

当然，离量产还有距离

也得泼盆冷水。官方演示通常是精心挑选的场景，真实家庭比测试环境复杂得多，离买回家随便使还有不小差距。而且Helix 2.5的数据、算力门槛都不低，能不能低成本铺开，还要打个问号。

但从行业方向看，这次的信号很明确：具身智能的竞争，正在从能不能动，转向能不能自己适应。零样本泛化，可能就是下一个分水岭。

写在最后

一台第一次进你家门的机器人，不需要你手把手教，就能自己把家收拾好——这是几乎所有机器人公司的终极目标，也正是当年王兴兴描述的那个机器人行业爆发式增长的场景之一。

Figure的Helix 2.5，算是往这个方向又迈了一步。路肯定还长，但至少证明，泛化这关不是铁板一块。对普通用户来说，这或许是人形机器人真的能进家干活的一天，越来越近的信号。