Figure 發布 Helix 2.5 時，最受矚目的不是「機器人會不會摺毛巾」，而是它宣稱 Figure 03 人形機器人能把已學到的能力帶進從未去過的住家。不過，56% 的完整任務成功率同時也代表：依照這次嚴格的計分標準，仍有 44% 嘗試未能完成。114

這次到底測了什麼？

Figure 表示，Helix 2.5 先以自家的人類行為資料集 Index 進行預訓練，再由同一個基礎模型衍生出三項家庭行為：

• 整理客廳
• 摺毛巾
• 鋪床

接著，團隊將機器人帶到 30 個先前未見過的舊金山灣區住家進行測試。Figure 稱，這些評估住家都沒有被蒐集資料，也沒有針對住家位置或操作物件做微調或適應；30 個住家全程使用同一個固定模型檢查點。11

這正是此處「零樣本」（zero-shot）的重點：機器人並未針對那些特定住家，以及現場的玩具、毛巾或寢具受訓。但這不代表三種任務本身完全沒有任務訓練；Figure 的說法是，先把基礎模型調整為這三項行為，再測試其對陌生環境與物件的遷移能力。11

56% 對 9%：進步很大，但不是穩定可用

在 Figure 的對照實驗中，Index 預訓練讓完整任務的零樣本成功率，從可比的從零訓練模型之 9% 提升至 56%。411

而且，這不是「做了一點就算成功」的寬鬆評分。每次測試採全有或全無的標準：

• 整理客廳時，所有散落玩具都必須放進籃子；
• 摺毛巾時，毛巾必須摺好並放妥；
• 鋪床時，枕頭與棉被都必須放在正確位置並整理平整。4

因此，56% 比只看部分進度的分數更有意義；但另一面也很直接：每 100 次完整嘗試中，約有 44 次失敗。 這項結果可視為大規模預訓練有助於將能力遷移至陌生環境的證據，而不是人形機器人已經可以無人看管地可靠做家務。4

Figure 為何認為這條路能擴大規模？

Figure 的核心構想，與大型語言模型的「基礎模型」路線相似：先從大量、多樣的人類實體行為中進行廣泛預訓練；再以較少量的機器人資料定義特定行為；最後部署到新空間，而不是每換一個房間就重新蒐集示範資料、訓練模型。11

公司也報告，在 Index 預訓練資料量擴增至八倍的範圍內，機器人動作預測損失會以可預期的方式下降。Figure 稱，Index 當時每秒約可產生 35 分鐘的人類經驗資料。3

另有 Figure 代表表示，拍攝當時每週活躍貢獻者約 9 萬人，之後超過 10 萬人；這項貢獻者數字屬公司自行說法，並非經獨立稽核的資料。28

在運算資源方面，Figure 還宣布透過與 Nscale 的合作，初步承諾投入 35 億美元的算力，目標最多部署 10 萬顆 Nvidia Vera Rubin GPU，並預計於 2027 年下半年開始部署。3

為何這還不能解答「家用機器人」問題？

首先，這是 Figure 公布並自行評估的結果，並非獨立機構所建立、經同儕審查的家庭機器人基準測試。11

其次，報導指出，這 30 個住家是空置、整齊且光線良好的短期出租房。真實有人居住的家庭，還會出現家人、寵物、雜物、不同光線、臨時打斷、罕見物件與安全限制；這些因素都可能大幅提高移動與操作物品的難度。4

較精確的結論不是「機器人現在已經會做家事」，而是 Figure 提出了一項受控展示：大規模人類行為資料的預訓練，可能減少機器人每進入一個新住家就得重新蒐集示範資料的需求。至於這套方法能否在一般、有人生活的住家達到所需的可靠度與安全性，目前仍未有定論。114

Figure 發布 Helix 2.5 時，最受矚目的不是「機器人會不會摺毛巾」，而是它宣稱 Figure 03 人形機器人能把已學到的能力帶進從未去過的住家。不過，56% 的完整任務成功率同時也代表：依照這次嚴格的計分標準，仍有 44% 嘗試未能完成。114

這次到底測了什麼？

Figure 表示，Helix 2.5 先以自家的人類行為資料集 Index 進行預訓練，再由同一個基礎模型衍生出三項家庭行為：

• 整理客廳
• 摺毛巾
• 鋪床

接著，團隊將機器人帶到 30 個先前未見過的舊金山灣區住家進行測試。Figure 稱，這些評估住家都沒有被蒐集資料，也沒有針對住家位置或操作物件做微調或適應；30 個住家全程使用同一個固定模型檢查點。11

這正是此處「零樣本」（zero-shot）的重點：機器人並未針對那些特定住家，以及現場的玩具、毛巾或寢具受訓。但這不代表三種任務本身完全沒有任務訓練；Figure 的說法是，先把基礎模型調整為這三項行為，再測試其對陌生環境與物件的遷移能力。11

56% 對 9%：進步很大，但不是穩定可用

在 Figure 的對照實驗中，Index 預訓練讓完整任務的零樣本成功率，從可比的從零訓練模型之 9% 提升至 56%。411

而且，這不是「做了一點就算成功」的寬鬆評分。每次測試採全有或全無的標準：

• 整理客廳時，所有散落玩具都必須放進籃子；
• 摺毛巾時，毛巾必須摺好並放妥；
• 鋪床時，枕頭與棉被都必須放在正確位置並整理平整。4

因此，56% 比只看部分進度的分數更有意義；但另一面也很直接：每 100 次完整嘗試中，約有 44 次失敗。 這項結果可視為大規模預訓練有助於將能力遷移至陌生環境的證據，而不是人形機器人已經可以無人看管地可靠做家務。4

Figure 為何認為這條路能擴大規模？

Figure 的核心構想，與大型語言模型的「基礎模型」路線相似：先從大量、多樣的人類實體行為中進行廣泛預訓練；再以較少量的機器人資料定義特定行為；最後部署到新空間，而不是每換一個房間就重新蒐集示範資料、訓練模型。11

公司也報告，在 Index 預訓練資料量擴增至八倍的範圍內，機器人動作預測損失會以可預期的方式下降。Figure 稱，Index 當時每秒約可產生 35 分鐘的人類經驗資料。3

另有 Figure 代表表示，拍攝當時每週活躍貢獻者約 9 萬人，之後超過 10 萬人；這項貢獻者數字屬公司自行說法，並非經獨立稽核的資料。28

在運算資源方面，Figure 還宣布透過與 Nscale 的合作，初步承諾投入 35 億美元的算力，目標最多部署 10 萬顆 Nvidia Vera Rubin GPU，並預計於 2027 年下半年開始部署。3

為何這還不能解答「家用機器人」問題？

首先，這是 Figure 公布並自行評估的結果，並非獨立機構所建立、經同儕審查的家庭機器人基準測試。11

其次，報導指出，這 30 個住家是空置、整齊且光線良好的短期出租房。真實有人居住的家庭，還會出現家人、寵物、雜物、不同光線、臨時打斷、罕見物件與安全限制；這些因素都可能大幅提高移動與操作物品的難度。4

較精確的結論不是「機器人現在已經會做家事」，而是 Figure 提出了一項受控展示：大規模人類行為資料的預訓練，可能減少機器人每進入一個新住家就得重新蒐集示範資料的需求。至於這套方法能否在一般、有人生活的住家達到所需的可靠度與安全性，目前仍未有定論。114