測試的核心指標是吞吐量(throughput),也就是每件包裹處理所需時間。
在演示中,機器人需要完成一系列典型倉儲任務:
F.03 的能力主要來自 Figure 自家開發的 AI 系統 Helix‑02。
Helix‑02 被描述為一種 Vision‑Language‑Action(VLA)模型,也就是把三種能力整合在一起的神經網路:
這讓機器人可以:
為了更直觀比較效率,Figure 還安排了一場 10 小時人機競賽。
參賽者是:
兩者的任務完全相同:掃描包裹條碼並放到輸送帶。
最終結果非常接近:
換句話說,在整整 10 小時的工作中,機器人的節奏幾乎與人類一致,只差了 0.04 秒/件。
過去人形機器人的展示通常只有幾分鐘到幾小時,而不是連續幾天。
Figure 的實驗之所以引發關注,主要因為三個原因:
這些因素意味著人形機器人正從「技術展示」逐步走向實際倉儲應用的可能性。
即使成果亮眼,仍有一個重要限制:目前的證據大多來自 Figure 自家的測試與直播,而不是大規模獨立部署。
因此,這次實驗更像是技術進展的證明,而不是證明機器人已準備好全面取代倉儲人力。
不過有一點已經很明確——在人形機器人與人類之間的差距,如今不再是數倍效率,而是每件包裹幾十分之一秒的差距。
Comments
0 comments