Figure的'零样本'人形机器人：第一次进陌生人家，没学过也能帮你叠衣服

前阵子大家都在聊人形机器人能不能进厂、能不能干活，我看都在聊"能不能"。这两天Figure放了个东西，把答案往前推了一大截——它的神经网络模型Helix 2.5，让人形机器人第一次在从没去过的陌生家庭里，零样本学会了整理客厅、叠毛巾、铺床。说人话就是：它没在这户人家提前学过，进去就能上手干。这不只是又一款新品，是"机器人会不会干活"这件事彻底换了个玩法。我研究了两天，把它到底牛在哪、又有啥没说透的，掰开揉碎讲给你听。

零样本三个字，到底意味着什么

先看最核心的：Figure的Helix 2.5在做的事，叫零样本全身自主作业。什么意思？就是机器人进入一个此前完全没接触过的家庭，没有提前采集当地数据、没有做模型微调、也没有针对环境做任何适配，直接执行整理客厅、折叠毛巾、铺床这些任务。

以往要让机器人干点家务，最笨的办法是逐户"喂数据"——先到你家拍一堆照片、标一堆点，它才知道你家沙发长啥样、毛巾该放哪。Helix 2.5直接跳过了这步。用数据说话：在任务数据、模型架构、训练和评估方法都不变的前提下，用Index人类行为数据集做预训练后，零样本任务成功率从9%一路拉到56%。

9%到56%，看着不高，但这是"从几乎不会到能真上手"的质变。你要是养过猫就知道，让一个从没进过你家门的家伙学会帮你收纳,这在过去是想都不敢想的事。

它靠什么做到的：把"看过"和"会做"打通

我能理解很多人第一反应是"这有啥，不就是更多数据么"。但这里的关键不是数据多少，而是模型把"理解环境"和"控制身体"这两件事连起来了。

之前的人形机器人，大多是"看得懂但手脚笨"，或者"手脚灵活但不认识你家东西"。Helix 2.5的思路，是先用Index数据集让机器人预训练出对家务的理解——知道什么叫"整理好的客厅"、毛巾应该叠成什么样、铺床先铺哪头。到了新环境，它靠视觉把眼前的东西映射回这些知识，再调动全身去执行。眼睛、脑子、手脚，第一次在一个模型里协同起来了。

这话听起来抽象啊？举个感受例子：你让它收拾客厅，它不会把被子塞进冰箱，也不会把毛巾搭在电视上——因为预训练阶段它已经"见过"大量被收拾好的客厅长什么样。

别急着吹，它也有还没跨过的坎

说得热闹，我也得把另一面摆出来。Helix 2.5目前演示的是整理客厅、叠毛巾、铺床这三类家务，都是在相对规整的静态场景里。真到了"孩子把玩具撒一地、下一秒又跑过来捣乱"这种动态、不可预测的家庭环境，能不能稳得住，还是未知数。

而且56%的成功率，意味着还有将近一半的尝试是失败的。这个数字进普通人家当"家政机器人"还差得远，但对整个人形机器人行业来说，它打开的想象空间很大——如果通用场景的零样本作业能持续往上走，"每家一台能干活的人形机器人"这句口号，才算真正有了技术地基。

对我来说，Helix 2.5最有价值的地方，是把行业从"堆案例"拽回了"学规律"。机器人不是靠背答案记住你家，而是真的靠理解来干活了。这条路，走得对。

总结：这场零样本竞赛，刚刚开始

Figure用Helix 2.5证明了一件事：人形机器人从"展厅里的明星"到"别人家能干活的帮手"，中间的坎正在被一点点抹平。接下来就看它能不能把成功率往上推，把场景从一个静态房间拓展到真正混乱的日常。

对我们这些看热闹又盼着真落地的人，这是好信号——当机器人能靠"理解"而不是"死记硬背"干活，离它真正走进生活，就又近了一步。至于那一天是半年还是一年，我们边看边等，别急，方向对了就行。