零样本走进 30 个陌生家庭：Figure Helix 2.5 把成功率从 9% 提到 56%

没到过你家，机器人照样能把被子叠好。9 月 17 日，Figure AI 把新一代模型 Helix 2.5 拿了出来，测试场地选在 30 个真实的湾区民宅，采用的是零样本方式。

这次测试的不同之处在于条件。过去我们已经见过机器人整理床铺、折叠毛巾、打扫房间，但这些演示通常发生在提前采集过数据的场地。Helix 2.5 面对的是 30 个从未打交道的家庭，房间布局与物体都完全陌生，事先没有任何数据采集，也没有做针对性微调。420 次试验成功 237 次，零样本成功率为 56%，评测则采用盲测，且单项评测任务在 Index 预训练数据里的占比都没有超过 1.90%。

对照数据让这组数字更有说服力。硬件与任务数据完全相同、唯独没有经过 Index 预训练的对照策略，成功率只有 9%；也就是说，预训练把零样本任务的成功率从 9% 拉到了 56%，整体成功率提升 522%。更值得注意的是产品代际的对比：上一代的 Helix 02 必须先到目标场地采集数据才能开始训练，而 Helix 2.5 只用了一半的适应数据，就在 30 个陌生家庭里达到与它在单一场地相当的成功率。

支撑变化的是数据。这套数据集的上线路径并不高调：今年 5 月先以另一款应用的形式埋下采集入口，8 月 25 日才用 Index 的名义正式公开。官方给出的数字是，正式公开时 Index 的下载量已经到 26.4 万次，用户分布在全球 108 个国家，每周保持活跃的创作者逾 4.4 万人，累计上传的视频在 1600 万条以上，上传速度一度达到每秒 30 分钟新视频的量级，折算下来相当于每天有 4.9 年的人类工作量进入系统，9 月初这一速度进一步提高到每秒 35 分钟。为此公司已向创作者支付 1500 万美元，接下来 12 个月还准备在数据与算力上投入 10 亿美元以上。数据质量上，每 1000 小时素材里，任务、操作对象与环境的去重后数量分别为 373 个、1146 个与 116 个。

算力侧同样在加码。9 月上旬，云厂商 Nscale 承诺为 Figure 提供不少于 35 亿美元的算力支持，双方计划把规模推高到 60 亿美元以上，最多部署十万块英伟达 Vera Rubin 芯片，第一批设备预计 2027 年下半年落地得州巴斯托。

乐观之外也有需要观察的地方。测试只覆盖三类任务，租来的住宅布局各不相同，却未必装得下日常生活的全部混乱。如果任务能从三类扩展到十到十二类，成功率进一步推到 80% 至 90%，家庭场景的机器人试点才会真正具备吸引力。眼下 56% 的成功率并不意味着机器人注定失败，Helix 2.5 在长时间任务中已经具备自我修正与重试能力，但距离不需要提前采集数据就能稳定干活，仍有明确的空间要补。

文章与图片内容转载网络，如有侵权请联系平台删除