財聯(lián)社2月20日訊（編輯 史正丞）在2月初終結(jié)與OpenAI的AI模型合作后，美國機器人創(chuàng)業(yè)公司Figure AI如期在周四公開了背后的原因：公司已經(jīng)有更厲害的通用具身智能模型Helix。
（來源：Figure AI）
Figure AI表示，Helix是首款能對整個人形機器人上半身（包括頭部、軀干、手腕和手指）進行高頻率、連續(xù)控制的視覺-語言-動作（VLA）模型。通過直接將視覺語言模型中捕獲的豐富語義知識，直接轉(zhuǎn)化為機器人動作，克服了人形機器人領域的多個長期挑戰(zhàn)至少不需要為機器人的每一個動作進行大量訓練了。
為了解決視覺語言模型“通用、但不快速”，和機器人視覺運動策略“快速、但不通用”的矛盾，F(xiàn)igure通過建立一套互補的系統(tǒng)進行權(quán)衡。兩套系統(tǒng)通過端到端訓練以進行通信。
如下圖所示，系統(tǒng)2是開源、開放權(quán)重的70億參數(shù)量端側(cè)互聯(lián)網(wǎng)預訓練視覺語言模型，用于理解場景和自然語言；系統(tǒng)1是一個8000萬參數(shù)量的快速反應視覺運動策略，將系統(tǒng)2理解的語義轉(zhuǎn)化為每秒200次的精確連續(xù)機器人動作。
（來源：Figure AI）
Figure介紹稱，訓練Helix僅僅用了500個小時的高質(zhì)量監(jiān)督數(shù)據(jù)，總量連之前收集的VLA數(shù)據(jù)集5%都不到，并且不需要多機器人數(shù)據(jù)或多階段訓練。
作為這項科技突破的結(jié)果，搭載Helix的機器人現(xiàn)在可以根據(jù)自然語言指令，識別并拾取幾乎所有的小型家居物品，包括機器人從未見過的成千上萬物品。在公司給出的案例中，機器人在接受“拿起那個仙人掌”、“拿起沙漠里的東西”時，都能選擇最接近玩具的手，成功從一堆物品中拎出仙人掌玩具。
在實際操作中，配備Helix的Figure機器人通過簡單的“撿起XX”指令，成功處理了成千上萬次的任務，同時無需任何提前演示或額外編程。
當然，以上都是常規(guī)操作，接下來就是展現(xiàn)技術(shù)的時刻了。
Figure介紹稱，Helix是首款可以在人形機器人上協(xié)同運行的AI模型，使得兩臺機器人可以協(xié)作解決一個共享的、長期的操作任務。
在演示案例中，兩臺模型權(quán)重相同的Figure機器人需要面對一堆首次見到的雜物，自行決定應該放在柜子、冰箱、盆子等收納位置。
本次挑戰(zhàn)的難點，是研究員故意將一些物品放在另一個機器人面前，這意味著需要兩臺機器人協(xié)作才能完成擺放。
演示中，機器人之間不僅能互相理解對方和銜接動作，似乎還有一種特殊的羈絆在交接物品時，兩臺機器人一定要互相對看一眼，確認彼此的“眼神”。
在演示的最后，F(xiàn)igure也在擺放水果的操作中展現(xiàn)出更高水平的協(xié)作：左邊的機器人把果盆拉過來，右邊的機器人順手把水果放進去，然后左邊的機器人再把果盆放回原位。
結(jié)束首次VLA模型在多機器人之間靈活、擴展的協(xié)作操作后，F(xiàn)igure強調(diào)這僅僅是觸及了“可能性的表面”，公司渴望看到將Helix規(guī)模擴大1000倍后會發(fā)生什么。
Figure介紹稱，Helix完全能夠在嵌入式低功耗GPU上運行，現(xiàn)在立即可以進行商業(yè)部署。
根據(jù)早些時候的報道，在發(fā)布機器人AI系統(tǒng)演示的同時，F(xiàn)igure正在進行一輪目標15億美元的融資，估值將達到395億美元。作為對比，去年該公司融資時的估值僅為26億美元，光從這兩個數(shù)字就能感受到當下機器人賽道的爆火情緒。
（財聯(lián)社 史正丞 ）
