Figure 最新公布嘅 Helix 2.5，最值得睇唔係「人形機械人已經識做家務」，而係佢嘗試回答一個更實際嘅問題：機械人去到未見過嘅屋企，可唔可以唔使逐間屋重新收集訓練數據？

Figure 指，其 Figure 03 人形機械人喺30個從未見過嘅三藩市灣區住宅，完成三類家務：執客廳、摺毛巾同鋪床。系統先用公司嘅 Index 人類行為數據集做預訓練，再由同一個基礎模型產生呢三種行為；測試時所有住宅均冇收集數據，亦冇為特定場地或處理嘅物件作微調或適應，並使用同一個固定模型檢查點。 11

56%係一個有分量、但唔算「搞掂」嘅數字

Figure 喺受控比較中表示，Index 預訓練令完整任務嘅零樣本成功率，由從零訓練模型嘅 9% 提高到 56%。 411

評分標準相當嚴格，冇「做咗大半就當成功」：

• 執客廳要將所有散落玩具放入籃；
• 摺毛巾要摺好並放妥；
• 鋪床要將枕頭同被鋪到正確位置，並整理平整。 4

所以，56%並非鬆手嘅局部完成率，反映模型確實可以將學到嘅能力搬去陌生環境。不過另一面同樣重要：44%完整嘗試失敗。 呢個結果支持大規模預訓練有助跨環境遷移，但唔等於機械人已經可以無人看管、穩定地替人做家務。 4

「零樣本」唔係完全冇做任務訓練

呢個詞好易令人誤解。Figure 所講嘅「zero-shot（零樣本）」係指：機械人之前未見過嗰30間屋，亦未見過測試中遇到嘅特定玩具、毛巾同寢具。

但三個家務類別本身並唔係憑空學識。Figure 說明，佢將預訓練後嘅基礎模型，轉化成執客廳、摺毛巾及鋪床三項行為。換言之，重點係減少「每換一間屋就要重新訓練」嘅需要，而唔係完全毋須任何機械人任務數據。 11

Figure 點解覺得呢條路可以擴展？

公司嘅構想同大型語言模型嘅「基礎模型」做法相似：先用大量而多樣化嘅人類實體行為預訓練，之後用較少嘅機械人數據定義某種行為，最後部署到新空間，而唔使逐間房重建數據集。 11

Figure 又表示，當 Index 預訓練資料量喺八倍範圍內增加時，機械人動作預測損失會以可預期方式下降；公司當時稱 Index 每秒產生約 35分鐘 人類經驗數據。 3

一名 Figure 代表另稱，拍攝時每星期活躍貢獻者約9萬人，其後升至超過10萬人。呢個用戶數字屬公司說法，並非經獨立審計嘅資料。 28

喺運算資源方面，Figure 亦公布透過 Nscale 作出首筆 35億美元 運算承諾，目標最多使用10萬枚 Nvidia Vera Rubin GPU，部署預計由2027年下半年開始。 3

點解仲未可以話「屋企機械人嚟啦」？

首先，呢次係 Figure 自行公布同評估嘅測試，唔係獨立、同行評審嘅家居機械人基準測試。 11

其次，據報30個測試住宅係短期出租單位，而且係空置、整齊、光線充足。真實有人住嘅屋企會有人、寵物、雜物、光暗變化、突發打斷同各種非標準物件；對行走、辨物同抓取都會難得多，亦牽涉更高安全要求。 4

因此，較準確嘅結論係：Figure 展示咗一個受控環境下嘅證據——大規模人類行為預訓練，可能減少機械人每去一個新住宅都要重新示範、收集數據嘅成本。至於能否達到一般有人居住環境所需嘅可靠性與安全性，現階段仍未有答案。 114

Figure 最新公布嘅 Helix 2.5，最值得睇唔係「人形機械人已經識做家務」，而係佢嘗試回答一個更實際嘅問題：機械人去到未見過嘅屋企，可唔可以唔使逐間屋重新收集訓練數據？

Figure 指，其 Figure 03 人形機械人喺30個從未見過嘅三藩市灣區住宅，完成三類家務：執客廳、摺毛巾同鋪床。系統先用公司嘅 Index 人類行為數據集做預訓練，再由同一個基礎模型產生呢三種行為；測試時所有住宅均冇收集數據，亦冇為特定場地或處理嘅物件作微調或適應，並使用同一個固定模型檢查點。 11

56%係一個有分量、但唔算「搞掂」嘅數字

Figure 喺受控比較中表示，Index 預訓練令完整任務嘅零樣本成功率，由從零訓練模型嘅 9% 提高到 56%。 411

評分標準相當嚴格，冇「做咗大半就當成功」：

• 執客廳要將所有散落玩具放入籃；
• 摺毛巾要摺好並放妥；
• 鋪床要將枕頭同被鋪到正確位置，並整理平整。 4

所以，56%並非鬆手嘅局部完成率，反映模型確實可以將學到嘅能力搬去陌生環境。不過另一面同樣重要：44%完整嘗試失敗。 呢個結果支持大規模預訓練有助跨環境遷移，但唔等於機械人已經可以無人看管、穩定地替人做家務。 4

「零樣本」唔係完全冇做任務訓練

呢個詞好易令人誤解。Figure 所講嘅「zero-shot（零樣本）」係指：機械人之前未見過嗰30間屋，亦未見過測試中遇到嘅特定玩具、毛巾同寢具。

但三個家務類別本身並唔係憑空學識。Figure 說明，佢將預訓練後嘅基礎模型，轉化成執客廳、摺毛巾及鋪床三項行為。換言之，重點係減少「每換一間屋就要重新訓練」嘅需要，而唔係完全毋須任何機械人任務數據。 11

Figure 點解覺得呢條路可以擴展？

公司嘅構想同大型語言模型嘅「基礎模型」做法相似：先用大量而多樣化嘅人類實體行為預訓練，之後用較少嘅機械人數據定義某種行為，最後部署到新空間，而唔使逐間房重建數據集。 11

Figure 又表示，當 Index 預訓練資料量喺八倍範圍內增加時，機械人動作預測損失會以可預期方式下降；公司當時稱 Index 每秒產生約 35分鐘 人類經驗數據。 3

一名 Figure 代表另稱，拍攝時每星期活躍貢獻者約9萬人，其後升至超過10萬人。呢個用戶數字屬公司說法，並非經獨立審計嘅資料。 28

喺運算資源方面，Figure 亦公布透過 Nscale 作出首筆 35億美元 運算承諾，目標最多使用10萬枚 Nvidia Vera Rubin GPU，部署預計由2027年下半年開始。 3

點解仲未可以話「屋企機械人嚟啦」？

首先，呢次係 Figure 自行公布同評估嘅測試，唔係獨立、同行評審嘅家居機械人基準測試。 11

其次，據報30個測試住宅係短期出租單位，而且係空置、整齊、光線充足。真實有人住嘅屋企會有人、寵物、雜物、光暗變化、突發打斷同各種非標準物件；對行走、辨物同抓取都會難得多，亦牽涉更高安全要求。 4

因此，較準確嘅結論係：Figure 展示咗一個受控環境下嘅證據——大規模人類行為預訓練，可能減少機械人每去一個新住宅都要重新示範、收集數據嘅成本。至於能否達到一般有人居住環境所需嘅可靠性與安全性，現階段仍未有答案。 114