機(jī)器人前瞻（公眾號(hào)：robot_pro）
作者?|??許麗思
編輯?|??漠影
機(jī)器人前瞻2月21日?qǐng)?bào)道，剛剛，美國(guó)人形機(jī)器人獨(dú)角獸Figure AI重磅推出了一款通用型視覺(jué)語(yǔ)言動(dòng)作(VLA)模型——Helix，能夠?qū)⒏兄?、語(yǔ)言理解與學(xué)習(xí)控制融為一體，首次實(shí)現(xiàn)了對(duì)人形機(jī)器人完整上半身高速連續(xù)控制。
只需一句自然語(yǔ)言指令、不需要任何事先演示或定制編程，人形機(jī)器人就能抓取幾乎所有家庭小物件，包括數(shù)千種訓(xùn)練時(shí)從未接觸過(guò)的物品。
一、首次實(shí)現(xiàn)人形機(jī)器人上半身高速連續(xù)控制
Figure表示，Helix模型創(chuàng)造了多項(xiàng)業(yè)界首次：
- 全上半身靈活操控：Helix是首個(gè)能對(duì)仿人機(jī)器人完整上半身（包括手腕、軀干、頭部及每根手指）實(shí)現(xiàn)高速連續(xù)控制的VLA模型。
- 多機(jī)器人協(xié)作：Helix首次讓雙機(jī)器人系統(tǒng)協(xié)同完成長(zhǎng)期復(fù)雜任務(wù)，兩臺(tái)機(jī)器人能共同處理從未見(jiàn)過(guò)的物品，例如合作整理陌生雜貨。
- 萬(wàn)物皆可抓取：機(jī)器人現(xiàn)在只需一句自然語(yǔ)言指令，就能抓取幾乎所有家庭小物件，包括數(shù)千種訓(xùn)練時(shí)從未接觸過(guò)的物品。
- 單一神經(jīng)網(wǎng)絡(luò)：與過(guò)往技術(shù)不同，Helix僅用一套神經(jīng)網(wǎng)絡(luò)參數(shù)就能學(xué)習(xí)所有技能——取放物品、開(kāi)關(guān)抽屜冰箱、跨機(jī)器人交互等，無(wú)需任何任務(wù)專屬微調(diào)。
- 商用就緒：Helix是首個(gè)完全運(yùn)行在低功耗嵌入式GPU上的VLA系統(tǒng)，已具備直接商業(yè)部署能力。
在測(cè)試中，機(jī)器人機(jī)器人成功地處理了數(shù)千件雜亂無(wú)章的新物品——從玻璃器皿和玩具到工具和衣服，并且無(wú)需任何事先演示或定制編程。
值得一提的是，?當(dāng)提示“撿起沙漠物品”時(shí)，Helix 不僅會(huì)識(shí)別出玩具仙人掌符合這個(gè)抽象的概念，還會(huì)選擇最近的手并執(zhí)行所需的精確運(yùn)動(dòng)命令，牢牢地抓住它。
這種通用的“從語(yǔ)言到動(dòng)作”的抓取功能為在非結(jié)構(gòu)化環(huán)境中部署人形機(jī)器人提供了更大的可能性。
在一個(gè)更加復(fù)雜的應(yīng)用場(chǎng)景中，當(dāng)主人把Figure機(jī)器人從未見(jiàn)過(guò)的雜物放置在桌上時(shí)，兩個(gè)機(jī)器人可以進(jìn)行相互協(xié)作，把雜物進(jìn)行歸類放置。
機(jī)器人甚至細(xì)心到，知道瓶裝的物品應(yīng)該放置在冰箱門上的置物筐中才不會(huì)容易翻倒，而不是往冰箱里隨便一塞就了事；另一個(gè)機(jī)器人，還明白餅干應(yīng)該放置到抽屜中。
收拾好后，它們還會(huì)記得貼心地把抽屜關(guān)好、關(guān)上冰箱門。
二、開(kāi)創(chuàng)性采用雙系統(tǒng)架構(gòu)
Helix的系統(tǒng)由兩個(gè)部分組成——即”系統(tǒng)1+系統(tǒng)2″架構(gòu)，實(shí)現(xiàn)對(duì)仿人機(jī)器人上半身的高速精準(zhǔn)控制：
系統(tǒng)2：基于7B參數(shù)的開(kāi)源VLM，以7-9Hz頻率運(yùn)行，負(fù)責(zé)場(chǎng)景理解與語(yǔ)義解析，確保跨物體、跨場(chǎng)景的泛化能力。
系統(tǒng)1：80M參數(shù)的視覺(jué)運(yùn)動(dòng)策略模型，以200Hz頻率將S2的語(yǔ)義表征轉(zhuǎn)化為連續(xù)動(dòng)作指令，實(shí)現(xiàn)毫秒級(jí)實(shí)時(shí)響應(yīng)。
這種解耦架構(gòu)讓兩個(gè)系統(tǒng)各司其職：S2專注慢思考，負(fù)責(zé)制定戰(zhàn)略，S1負(fù)責(zé)實(shí)時(shí)執(zhí)行和調(diào)整行動(dòng)術(shù)。
和現(xiàn)有方法相比，Helix采用的這種設(shè)計(jì)，使其可以兼顧速度和泛化，在保持專業(yè)單任務(wù)策略速度的同時(shí)，零樣本泛化處理數(shù)千種新物品，并且可拓展性強(qiáng)、架構(gòu)極簡(jiǎn)，還能允許開(kāi)發(fā)者單獨(dú)迭代每一個(gè)系統(tǒng)。
據(jù)了解，Helix僅憑借極少的資源，就實(shí)現(xiàn)了強(qiáng)大的物體泛化能力。團(tuán)隊(duì)訓(xùn)練Helix總共使用了約 500 小時(shí)的高質(zhì)量監(jiān)督數(shù)據(jù)，這只占先前收集的視覺(jué)語(yǔ)言動(dòng)作（VLA）數(shù)據(jù)集規(guī)模的5%不到，而且無(wú)需依賴多機(jī)器人實(shí)體收集或多階段訓(xùn)練。
并且，盡管數(shù)據(jù)需求相對(duì)較少，但Helix依舊能夠擴(kuò)展應(yīng)用到更具挑戰(zhàn)性的全身型仿人機(jī)器人上半身控制的動(dòng)作空間，實(shí)現(xiàn)高速率、高維度的輸出。
結(jié)語(yǔ)：人形機(jī)器人加入融入人類生活
與在規(guī)范化的工業(yè)環(huán)境不同，機(jī)器人如果要真正應(yīng)用到家庭環(huán)境中，就必須應(yīng)對(duì)家庭環(huán)境中各種不可控的因素，每個(gè)物品都有不可預(yù)測(cè)的形狀、大小、顏色和紋理，機(jī)器人會(huì)面對(duì)許多以前從未見(jiàn)過(guò)的物體，需要能夠按照實(shí)際情況生成智能新行為。
而作為首款能根據(jù)自然語(yǔ)言指令直接控制整個(gè)人形機(jī)器人上半身的VLA模型，Helix無(wú)需任何針對(duì)特定任務(wù)的示范、無(wú)需大量的手動(dòng)編程，就能即時(shí)生成長(zhǎng)期的、協(xié)作性的、靈巧的操作動(dòng)作，展現(xiàn)出了強(qiáng)大的物體泛化能力。
這種能力，展現(xiàn)出人形機(jī)器人實(shí)現(xiàn)近乎人類的環(huán)境適應(yīng)性的巨大潛能。而隨著模型規(guī)模的不斷擴(kuò)展，也將為人形機(jī)器人真正進(jìn)入家庭等更多負(fù)責(zé)環(huán)境、融入人類生活創(chuàng)造了更多可能性。
