本文來自微信公眾號(hào)：42號(hào)電波，作者：蘭博，編輯：James

此前42號(hào)電波發(fā)布的Figure機(jī)器人相關(guān)文章引發(fā)熱議，網(wǎng)友圍繞Figure 03做家務(wù)是否真正自主展開討論。鑒于遙操作機(jī)器人偽裝自主的現(xiàn)象頻發(fā)，觀眾對(duì)此類演示存在疑慮。本文將從技術(shù)層面解析Helix 02模型為Figure 03機(jī)器人帶來的全新能力。

Figure發(fā)布的視頻顯示，機(jī)器人在客廳可完成擦桌、撿玩具、清理沙發(fā)、關(guān)電視等操作，還能像人一樣將毛巾甩到肩上、把收納箱夾在腋下。官方稱這些新行為僅通過新增訓(xùn)練數(shù)據(jù)獲得，未針對(duì)單個(gè)動(dòng)作單獨(dú)設(shè)計(jì)，核心在于年初發(fā)布的Helix 02模型——相比初代版本，其能力提升的關(guān)鍵是正式引入System 0系統(tǒng)層級(jí)。

為何要增設(shè)System 0

在原有Helix的System 2和System 1之下，System 0插入了以1 kHz運(yùn)行的全身控制器，負(fù)責(zé)平衡、接觸及全身協(xié)調(diào)。該層級(jí)通過超1000小時(shí)關(guān)節(jié)級(jí)人體運(yùn)動(dòng)數(shù)據(jù)，結(jié)合大規(guī)模仿真到現(xiàn)實(shí)的強(qiáng)化學(xué)習(xí)訓(xùn)練而成，約1000萬參數(shù)的網(wǎng)絡(luò)替代了超10萬行手寫C++控制代碼。

有人認(rèn)為這只是新增低級(jí)控制器，但System 0的加入實(shí)則重新劃分了機(jī)器人系統(tǒng)邊界。去年Figure初代Helix模型聚焦人形機(jī)器人上半身操作，今年Helix 02能讓Figure 03在移動(dòng)中完成精確操作，System 0是關(guān)鍵所在。

過去行業(yè)討論VLA時(shí)，核心集中在機(jī)器人能否理解世界、能否按語言完成動(dòng)作，卻鮮少關(guān)注穩(wěn)定移動(dòng)操作的融入。盡管機(jī)器人在移動(dòng)（走路、跑步、越障）和操作（抓取、放置、操作物體）兩方面表現(xiàn)不錯(cuò)，但兩者很少能同時(shí)實(shí)現(xiàn)。多數(shù)模型默認(rèn)二者可拆分，即先走過去、停下、穩(wěn)住、再操作、再移動(dòng)，導(dǎo)致很多機(jī)器人演示動(dòng)作分段，不夠連貫。

然而真實(shí)世界并非如此，人在日常生活中很少完全停下再做動(dòng)作，移動(dòng)和操作往往耦合而非串行。Figure在Helix 02介紹中提到，移動(dòng)操作一體化的難點(diǎn)不在于走路或操作本身，而在于兩者無法清晰分解。

因此，System 0的出現(xiàn)將“機(jī)器人本體如何穩(wěn)定移動(dòng)操作”納入學(xué)習(xí)系統(tǒng)，意味著Helix 02不只是想成為調(diào)用技能的智能體，更試圖改寫技能生成方式及身體控制本身。

用智能體與技能類比理解System 0

用當(dāng)下熱門的智能體概念類比，能更直觀理解Helix 02的結(jié)構(gòu)：最上層是智能體，負(fù)責(zé)決策，觀察環(huán)境后判斷下一步行動(dòng)；中間是技能，如同“工種包”，如走路、伸手、抓取、放置；最下層是控制器，負(fù)責(zé)執(zhí)行動(dòng)作，讓電機(jī)轉(zhuǎn)動(dòng)、身體移動(dòng)。

傳統(tǒng)結(jié)構(gòu)中各層邊界清晰，智能體不管具體抓取方式，技能不管身體穩(wěn)定性，控制器不理解任務(wù)。但進(jìn)入真實(shí)環(huán)境后，易出現(xiàn)各層單獨(dú)看都沒錯(cuò)，組合起來卻不順暢的情況，動(dòng)作被強(qiáng)行分段。一旦環(huán)境變化，如物體位置偏移或地面不平，這種分段結(jié)構(gòu)就易出問題。

Helix 02的變化可通過同樣類比來看：System 2仍是智能體，負(fù)責(zé)理解任務(wù)和場(chǎng)景；System 1不再是離散技能庫，更像連續(xù)技能生成器，不調(diào)用“走路”或“抓取”，而是持續(xù)生成全身動(dòng)作；System 0可理解為身體反射或“肌肉記憶”。這三層與傳統(tǒng)結(jié)構(gòu)的關(guān)鍵區(qū)別在于，技能不再是系統(tǒng)中間樞紐，它處于最底層，作用是讓執(zhí)行過程穩(wěn)定、自然且連續(xù)。

這些功能在傳統(tǒng)系統(tǒng)中通常分散在各類控制邏輯和補(bǔ)償模塊，而在Helix 02中被統(tǒng)一為習(xí)得先驗(yàn)。System 0是所有動(dòng)作成立的身體基礎(chǔ)，正因如此，System 1才能放心生成連續(xù)動(dòng)作，無需每一步都考慮是否會(huì)摔倒、接觸是否會(huì)中斷，這也是Helix 02能將原本需拆開的動(dòng)作變?yōu)檫B續(xù)行為，讓Figure 03機(jī)器人干活更流暢的原因。

深入解析：System 0實(shí)際改變了什么？

若僅認(rèn)為System 0是“新增1 kHz控制層”，易低估其帶來的變化。從關(guān)鍵技術(shù)點(diǎn)分析：

首先是訓(xùn)練數(shù)據(jù)形態(tài)。System 0使用超1000小時(shí)關(guān)節(jié)級(jí)人體運(yùn)動(dòng)數(shù)據(jù)，且這些數(shù)據(jù)已重新定位到機(jī)器人本體關(guān)節(jié)空間，學(xué)習(xí)的是人體運(yùn)動(dòng)時(shí)各關(guān)節(jié)的協(xié)調(diào)關(guān)系，而非簡(jiǎn)單走路姿勢(shì)。

其次是模型角色與規(guī)模。Figure介紹System 0是約1000萬參數(shù)的網(wǎng)絡(luò)，輸入全身關(guān)節(jié)狀態(tài)和基座運(yùn)動(dòng)信息，輸出1 kHz關(guān)節(jié)級(jí)執(zhí)行器指令。該規(guī)模使其更接近高頻、低延遲、強(qiáng)約束的運(yùn)動(dòng)先驗(yàn)網(wǎng)絡(luò)，不負(fù)責(zé)理解環(huán)境或生成任務(wù)層面動(dòng)作，專門解決高頻閉環(huán)中如何將上層動(dòng)作目標(biāo)穩(wěn)定轉(zhuǎn)化為物理可執(zhí)行行為的問題。

再者是訓(xùn)練方式。System 0完全在仿真中訓(xùn)練，使用超20萬并行環(huán)境和大規(guī)模領(lǐng)域隨機(jī)化，學(xué)習(xí)在各種擾動(dòng)和接觸條件下保持身體穩(wěn)定，通過仿真窮舉身體可能遇到的物理情況，讓策略在這些分布上收斂。

還有與System 1的接口設(shè)計(jì)。System 1仍是Transformer，負(fù)責(zé)將感知和語義目標(biāo)轉(zhuǎn)化為全身動(dòng)作，但輸出的是關(guān)節(jié)目標(biāo)位置，而非直接控制力。System 0接管“最后一跳”，在1 kHz頻率下將這些目標(biāo)轉(zhuǎn)化為具體執(zhí)行器指令，過程中持續(xù)修正誤差、處理接觸、維持平衡。

這種接口設(shè)計(jì)較為克制，F(xiàn)igure未將所有內(nèi)容揉成端到端黑箱，而是按時(shí)間尺度分層：慢的部分負(fù)責(zé)理解，中的部分負(fù)責(zé)生成，快的部分負(fù)責(zé)穩(wěn)定。從這個(gè)角度看，System 0改寫的是從動(dòng)作到物理執(zhí)行鏈路的表達(dá)方式，用習(xí)得先驗(yàn)在高頻閉環(huán)中統(tǒng)一處理相關(guān)問題，這也是Figure強(qiáng)調(diào)“10萬行C++被替代”的原因——從顯式規(guī)則轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)的運(yùn)動(dòng)先驗(yàn)。

機(jī)器人技術(shù)路線的轉(zhuǎn)向

System 0的加入讓Helix 02模型具備強(qiáng)大移動(dòng)操作能力，這也反映出今年機(jī)器人行業(yè)的一大重點(diǎn)：移動(dòng)與操作的融合。在機(jī)器人需規(guī)模落地真實(shí)環(huán)境的背景下，去年行業(yè)中大量聚焦上半身操作的模式已難以滿足應(yīng)用需求。

這一過程類似智能駕駛的發(fā)展路徑：產(chǎn)業(yè)早期比拼單個(gè)模塊質(zhì)量，后來越來越多能力被統(tǒng)一模型整合。與Google DeepMind RT-2擅長(zhǎng)的語義理解和動(dòng)作選擇、英偉達(dá)GR00T強(qiáng)調(diào)的模型和數(shù)據(jù)體系不同，Helix 02更側(cè)重機(jī)器人動(dòng)作在現(xiàn)實(shí)世界中的連續(xù)可行性，即移動(dòng)操作一體化。

不過，盡管Figure展示的廚房和客廳整理任務(wù)完成度較高，但目前尚未展示其機(jī)器人在陌生環(huán)境、強(qiáng)擾動(dòng)、長(zhǎng)時(shí)序失敗恢復(fù)及跨家庭泛化等維度上，S0+S1+S2系統(tǒng)的真實(shí)魯棒性，這是后續(xù)需驗(yàn)證的內(nèi)容。

就目前而言，Helix 02將各類工具能力融合為連續(xù)策略，并新增高頻次身體先驗(yàn)約束的路線，讓機(jī)器人系統(tǒng)鏈路從“像素到動(dòng)作”進(jìn)一步延伸至“像素到扭矩”。未來，模型與身體的融合協(xié)同能力將成為機(jī)器人發(fā)展的重要主線。