作者：默思編輯部 發布：2026-09-29
人形機器人公司Figure AI在2026年9月發表新版模型Helix 2.5，並公布了一項頗具指標意義的測試結果：讓旗下人形機器人Figure 03走進灣區30個從未進入過、也未曾針對其環境進行任何額外資料收集或微調的真實住家，執行三項長時間跨步驟的家事任務——整理房間、鋪床、摺毛巾。這種完全依賴既有訓練成果、不額外收集目標環境資料的測試方式，在機器人領域被稱為「零樣本泛化」（zero-shot generalization），是評估機器人是否真正學會「可遷移技能」而非「死記硬背特定場景」的關鍵指標。
根據Figure公布的數據，在總計420次試驗中，機器人成功完成了237次任務，成功率約56%。作為對照，Figure同時公布了一項控制實驗：一個完全從零開始訓練、沒有經過大規模人類行為資料預訓練的相同架構模型，在相同任務上的零樣本成功率僅有9%，等於Helix 2.5透過所謂「Index」預訓練機制，把泛化能力硬生生拉高了超過六倍。
每秒35分鐘人類行為影像餵養出的泛化能力
Helix 2.5背後的關鍵技術是Figure稱為「Index」的預訓練資料管線：每秒鐘匯入約35分鐘份量的人類行為示範影像，這些影像由數以萬計每週貢獻內容的使用者透過App上傳而來，構成了一個龐大且持續成長的人類日常行為資料庫。Figure表示，Helix 2.5用這套Index預訓練後，即使只用一半的環境適應資料量，也能達到與另一套需要完整適應資料量的既有策略相當的成功率，顯示預訓練階段吸收的人類行為知識，確實能有效轉移到全新、未見過的物理環境中。
對於希望將人形機器人實際導入居家照護、清潔服務等非結構化環境的產業而言，「零樣本泛化」能力遠比在單一實驗室場景中反覆優化的高成功率更具商業價值——因為現實世界中的每一戶人家、每一間病房、每一個工作場域，配置與物件擺放方式都不盡相同，機器人若無法快速適應陌生環境，就難以真正規模化部署。
56%成功率離商用還有多遠
必須誠實看待的是，56%的成功率距離消費者實際可用的家用機器人產品，仍有相當距離——換算下來，每兩次任務就有接近一次會失敗或需要人工介入，這樣的可靠度目前還不足以支撐無人看管的商業化服務。不過對比完全從零訓練模型僅9%的成功率，Helix 2.5展現的進步幅度確實說明了大規模人類行為預訓練這條路徑的潛力。業界普遍預期，隨著Index資料庫持續累積更多元的家庭場景示範影像，未來一到兩年內零樣本成功率有機會進一步提升，屆時才是家用人形機器人真正邁向商業化部署的關鍵轉折點。
對機器人學習與AI技術有興趣的讀者，歡迎參考Python課程，打好扎實的程式基礎。