<mark id="oztn4"></mark>
0
| 本文作者： 吳華秀 | 2025-02-26 10:54 |
兩周前，Figure 宣布停止與 Open AI 的聯姻，并丟下一個預告，將會未來 30 天內推出“人形機器人上從未見過的東西”。
勾起不少人好奇心的 Figure，這回終于丟出了一個重磅：將首個自研具身模型 Helix 裝入機器人Figure。Figure 創始人兼 CEO Brett Adcock 表示，有了大腦 Helix 的加持，機器人能夠拾取任何家庭物品。
視頻畫面中，一臺桌子，一臺冰箱，兩個機器人合伙一同整理物品，將它們從未見過的物品挨個分門別類放好。動作全程行云流水，無比絲滑。
尤其是兩機器人傳遞物品時抬頭的那一對望，讓不少網友直呼機器人仿佛有了意識，“原來這就是心電感應”。
這得益于 Helix 對機器人上半身的全控制，其中涵蓋手腕、軀干、頭部和各個手指，能夠對機器人上半身進行高速率的連續控制。
同時，視頻中還罕見地展示了多個機器人間的協作與配合。“多機協作是一個亮點，不過這次 Figure 機器人之間的協作任務還比較簡單。”一位從業者告訴 AI 科技評論，多機協作的交互和規劃會是一個重要課題，但目前優先級還是讓單一機器人能真正落地干活，這也是當下機器人廠商普遍的發力點。
在具體任務的執行上，Figure 表示，只要向機器人發話，機器人便能拾取各種各樣從未見過的家庭用品。比如拾取生活中的各種物品，玩具，杯子等等。
不過，正和其他機器人廠商一樣，目前 Helix 仍還處在比較早期的階段。
Helix 是一個通用的“視覺-語言-感知”（VLA）模型，將感知、語言理解和學習控制統一起來，取得一系列首創：
整個上身控制：首次對人形機器人上半身（包括手腕、軀干、頭部和各個手指）進行高速率連續控制的VLA。
多機器人協作：首個同時在兩個機器人上運行的VLA，能夠使用從未見過的物品解決共享的遠程操作任務。
拿起任何東西：只需按照自然語言提示，就能拿起幾乎任何小型家居物品，包括數千種它們從未遇到過的物品。
一個神經網絡：與之前的方法不同，使用一組神經網絡權重來學習所有行為（挑選和放置物品、使用抽屜和冰箱以及跨機器人交互），而無需任何針對特定任務的微調。
已做好商業準備：首款完全在嵌入式低功耗 GPU 上運行的 VLA，可立即進行商業部署。
在對機器人上半身的控制上，Helix 能以 200Hz 頻率協調 35 自由度動作空間，讓機器人的上半身從手指、手腕到頭部的動作流暢高效。頭部與軀干控制存在獨特挑戰——當頭部移動時，將會改變機器人的接觸距離和視線范圍，以往這種變化會導致機器人不穩定。
視頻中，機器人用頭部平穩地跟蹤雙手，同時調整軀干以獲得最佳范圍，同時保持精確的手指控制以抓握物品。Figure 表示，此前還沒有 VLA 能展示這種程度的實施協調，同時保持多任務泛化能力。
Figure 還嘗試了將 Helix 運用在一個高難度多智能體操作場景中：兩臺 Figure 機器人之間協作實現零樣本雜貨存放。這兩臺機器人都采用了相同的 Helix 模型權重進行操作，不再需要對機器人進行訓練或分配角色，它們之間能通過自然語言進行合作。
如下面視頻中所展示的，“將一袋餅干遞給你右邊的機器人”或“從你左邊的機器人那里接過一袋餅干并將餅干放在打開的抽屜里”，兩臺機器人能靈活協同處理問題。
搭載 Helix 的機器人還展現出了強大的泛化能力。只要一個簡單的“拿起 [X]”命令，機器人幾乎能拿起所有的小型家庭用品。在系統測試中，機器人成功處理了雜亂無章的數千件新物品），不需要任何事先演示或自定義編程。
更難得的是，Helix 能彌合語言理解與機器控制之間的距離。例如，當指示機器人“撿起沙漠物品”時，Helix 不僅能識別出玩具仙人掌，還能選擇最近的手去抓住物品。這種通用的“語言到動作”的掌握能力，讓機器人部署在非結構化環境中有了新可能。
Figure 創始人 Brett Adcock 表示，團隊花了一年多的時間研發出了 Helix，讓人形機器人無需經過任何訓練、代碼，就能抓取幾乎任何家庭用品。
Helix 是首創的“系統 1、系統 2”VLA 模型，可對人形機器人的整個上半身進行高速、靈巧的控制。
先前的方法面臨著一個選擇：VLM主干網絡具有通用性但速度不快，機器人視覺運動策略速度快但通用不足。而 Helix 通過兩個互補的系統解決了這一權衡，這兩個系統經過端到端的訓練，可以實現通信：
系統 2 (S2)：一個機載互聯網預訓練的 VLM，以 7-9 Hz 的頻率運行，用于場景理解和語言理解，從而實現跨對象和上下文的廣泛概括。
系統 1 (S1)：一種快速反應的視覺運動策略，將 S2 產生的潛在語義表征轉化為 200 Hz 的精確連續機器人動作。
這種解耦架構允許每個系統在其最佳時間尺度上運行。S2 可以“慢慢思考”高級目標，而 S1 可以“快速思考”以實時執行和調整動作。
Figure 所采用的分層式的架構具備分而治之的優勢，能對不同任務模塊進行獨立優化和迭代。目前業內分層式架構和一體式架構并存，后者有 1X Technologies、星動紀元等機器人廠商代表。這兩種方案并無顯著優劣之分，都還在探索階段。
與現有方法相比，Helix 的設計有幾個主要優勢：
速度和泛化：Helix 匹配專門的單任務行為克隆策略的速度，同時將零樣本推廣到數千個新穎的測試對象。
可擴展性：Helix 直接輸出高維動作空間的連續控制，避免了先前 VLA 方法中使用的復雜動作標記方案，這些方案在低維控制設置（例如二值化并行夾持器）中已取得一些成功，但在高維人形控制中面臨擴展挑戰。
架構簡單：Helix 使用標準架構 - 用于系統 2 的開源、開放權重 VLM 和用于 S1 的簡單的基于變壓器的視覺運動策略。
關注點分離：將 S1 和 S2 解耦，我們可以分別在每個系統上進行迭代，而不受尋找統一的觀察空間或動作表示的限制。
Figure表示，Helix 以極少的資源實現了強大的泛化能力，一共使用了約 500 小時的高質量監督數據來訓練 Helix，僅占此前采集的VLA數據集的一小部分（＜5%），而且不依賴機器人實體收集數據或多階段訓練。
盡管數據要求相對較小，但 Helix 可以擴展到更具挑戰性的動作空間，即完整的上半身人形控制，具有高速率、高維度的輸出。
視頻來源&參考鏈接：https://www.figure.ai/news/helix
雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
