Figure机器人第一次进陌生人家就会干活？56%成功率更值得看

把一台机器人送进陌生人家，不提前画地图，也不拿屋里的床、毛巾和玩具重新训练，它能不能直接开始干活？

人形机器人公司 Figure 9 月 17 日公布了一组新测试。搭载 Helix 2.5 控制系统的 Figure 03 机器人，被送进美国旧金山湾区 30 套此前从未进入的住宅，执行收拾客厅、铺床和叠毛巾三类任务。公司称，机器人没有在这些住宅里采集训练数据，也没有针对现场物品调整模型。

这段消息里有三个容易混淆的名字。Figure 是公司，Figure 03 是人形机器人，Helix 2.5 则可以理解为控制机器人观察、移动和操作物体的“脑”。Figure 还把训练 Helix 的人类行为数据集称为 Index。

“零样本”不是机器人从没学过

Figure 把这项能力称为“零样本全身泛化”。翻成日常语言，就是机器人第一次走进一套新房子，不在现场补课，也能把在别处学到的动作迁移过来。

“零样本”并不意味着机器人从未学过铺床或叠毛巾。Figure 明确表示，这三类任务此前仍使用其他地点采集的数据做过专门训练。它没有见过的是接受测试的房间、布局和物品。区别在于，过去的机器人常常换一个工位就要重新采集数据、重新调试；Helix 2.5 试图把“一项技能”变成能带到不同住宅使用的能力。

测试也不是只要机器人碰到毛巾就算成功。按照 Figure 公布的规则，收拾客厅必须把现场 13 至 15 件玩具全部放进篮子；叠毛巾必须完成折叠并放入篮子；铺床则要把两个枕头和被子两角放到床头区域，并把被面拉平。任务超时或需要人类为安全介入，都会被判为失败。

30套住宅都成功过，整体成功率仍是56%

Figure 在视频中说，团队在 30 套住宅里“都看到了成功”。但官网同时披露，使用 Index 预训练的模型，在全部盲测中的完整任务成功率为 56%。没有经过 Index 预训练、从随机参数开始学习的对照模型，成功率只有 9%。

这两个数字并不矛盾。前者说明成功案例覆盖了每一套住宅，后者统计的是一次次具体试验有多少完整通过。也就是说，机器人已经能把技能带进不同住宅，却仍会在接近一半的试验中失败。把“30 套都成功过”理解成“成功率 100%”，会高估这次结果。

56%仍然有意义。家庭环境远比工厂流水线混乱：床的高度不同，玩具散落的位置不同，毛巾柔软且会变形，机器人还要一边走动、一边观察、一边用双手操作。它必须把看、走、抓和纠错连成一套动作，而不是只在固定桌面重复一次抓取。

Figure真正下注的是“机器人也能吃数据”

Helix 2.5 的核心变化，不只是某个动作更灵巧，而是训练方法越来越像大语言模型。

Figure 的 Index 项目收集人类完成日常动作的经验。公司视频称，目前每周有超过 9 万人参与，系统每秒新增约 35 分钟的人类行为数据。研究团队把预训练数据扩大 8 倍后发现，机器人预测下一步动作的误差会比较稳定地下降；他们甚至能在最大规模训练开始前，较准确地估计最终误差。

这就是所谓“缩放规律”：投入更多数据和计算资源，性能提升能够被大致预测。大语言模型的发展曾依赖这一规律，因为企业可以在花巨资训练前先判断继续扩大规模是否值得。Figure 现在想证明，机器人也可能走上同一条路。公司已承诺为 Helix 投入 35 亿美元计算资源。

不过，这仍是 Figure 自己发布的测试、视频和统计结果。公司公开了任务规则和对照数据，这是积极一步，但目前没有公开的独立复现实验，也不能从剪辑视频判断失败发生在什么环节。所谓“首次达到这一规模”，同样是 Figure 的自我判断。

因此，这次进展不该被概括成“家务机器人已经成熟”。更准确的说法是：Figure 初步证明，人形机器人不必为每套住宅从头学习；但从 56%走到家庭用户可以放心依赖的水平，仍有很长距离。

参考资料

[1] FIGURE. Today We’re Releasing Helix 2.5[EB/OL]. (2026-09-17)[2026-09-18].

[2] FIGURE. Helix 2.5: Zero-Shot 30-Home Generalization[EB/OL]. (2026-09-17)[2026-09-18].