Figure AI最新演示引热议！两台机器人互相“点头”铺好一床被子

5 月 8 日晚，Figure AI 发布了一段新的机器人演示视频。画面里是一间普通卧室，两台搭载 Helix02 系统的人形机器人在不到两分钟的时间里，完成了一系列整理动作：开门、挂衣服、收纳耳机、合上书本、倒垃圾、把椅子推回桌下，最后还一起把被子平整地铺好。

其中最引人注意的细节是：拉被子时，两台机器人互相“点头”了一下，然后同时施力，将被子整齐拉开铺好。整个过程中，它们没有明显的语言或信号交流，动作却显得颇为默契。

Figure AI 称这是全球首次用单一神经网络实现多机器人协作 locomanipulation。 每台机器人独立运行同一个学习到的模型，没有信息传递、仅通过自己的摄像头观察环境，通过观察对方的动作来推断其意图，自主决定下一步该怎么做。

表面上看像两个人在配合干活，背后则是完全独立的实时决策。

▍从开门到铺床，全程端到端

视频中展示的任务序列并不简单。

机器人需要先全身协调开门：定位杠杆门把手，下压手柄，在保持平衡的同时向内拉门，并随门扇摆动调整身体姿态。然后是利用站位和平衡推家具：双手抓住办公椅，将其推入桌下——不是单纯靠手臂发力，而是通过脚步站位和身体姿态输出可控推力。

一些动作对精细操作要求较高：手持衣物穿过房间，挂在狭窄的衣帽架上，衣物面料可能自行褶皱、遮挡接触点；拿起耳机在半空中调整朝向，再将头梁精准卡入细长支架；翻开带铰链的书本并合上，适应书页弯曲和重心转移。

最复杂的环节出现在垃圾桶和床铺。机器人需要单腿平衡踩踏垃圾桶踏板：重心移至一条腿，用另一只脚踩下踏板开盖，投入垃圾后再关闭——这是将脚当作操作末端使用的案例。而两台机器人围绕同一张床协作，分别站在两侧形成互补站位，共同完成被子的提起、展开、铺平、折叠和捋顺。每一次拉扯后，它们还要在布料沉降过程中修正褶皱和边缘堆积。

Figure AI 称，所有动作都由神经网络在几十毫秒内连续推断生成，没有预编程的动作序列切换，也没有远程遥控。

▍Helix-02：一个覆盖全身控制的三层模型

这套能力来自于 Figure AI 此前发布的 Helix-02 模型。

根据官方披露的信息，Helix-02 是一个从像素输入到力矩输出的端到端系统，由三个层级构成：

System 2（70亿参数的VLM模型）：低频运行，负责场景理解、语言指令解析和长期规划，将“把被子铺好”这类指令转化为语义潜变量。

System 1（8000万参数的Transformer模型）：以 200 Hz 频率运行，融合手掌摄像头和指尖触觉数据，将感知信息转化为全身关节的运动目标。

System 0（1000万参数的基础模型）：以 1 kHz 频率运行，负责平衡维持和全身协调，在模拟环境中通过大量并行策略训练而成。

与初代 Helix 相比，Helix-02 的关键变化是将走路、操作和平衡整合进了同一个神经网络，取代了过去超过 10 万行手写的 C++ 控制代码。Figure AI 曾表示，Helix-02 能执行长达 4 分钟的端到端任务——比如从打开洗碗机、取出碗碟到放入橱柜，全程无需人工干预。

这次的卧室演示，可以看作对这一能力的进一步延伸：在共享空间内、两台机器人同时作业、涉及柔性物体的情况下，依然保持全身协调和实时决策。

▍技术争议与现实考验

这次演示同样也招致了质疑的声音。

批评者认为，这次演示可能依赖于精心设计的初始状态和场景布置，看起来是默契配合，但实际上可能只是短序列任务训练下可预见行为的一个展示片段。机器人是否真正实现了动态理解对方意图、在开放环境中持续协作，还需要进一步验证。

还有人指出，从历史来看，人形机器人行业的演示视频“翻车”并非罕见。特斯拉的Optimus曾被质疑依赖远程工程师操控，Figure AI自家的03家务演示也曾遭到埃隆·马斯克的质疑。真实的工业环境中，动态场景、光线变化、物体意外移位等因素往往会打破精心排练过的机器人行为。

不过尽管围绕视频真实性与技术泛化能力的争议仍在持续，Figure AI 的这次演示依然为人形机器人的多机协作提供了新的想象空间。

两台机器人没有无线通信、没有中央调度，仅靠观察对方动作就能完成铺床这类柔性物体操作，这在一年前还被认为遥不可及。

Helix 02 所代表的端到端神经网络控制，正在逐步替代传统机器人中层层堆叠的状态机与脚本逻辑。

当然，从精心布置的实验室演示到真正随机、动态的家庭环境，中间还隔着无数变量：被子的材质、床的尺寸、光照条件、偶尔闯入的宠物或小孩……这些现实中的“意外”才是最终检验机器人智能的考场。

（更多人形机器人赛道深度文章，请关注微信公众号“人形大讲堂”）