文 | 蓝字计划，作者｜Chester

这边宇树上市才一个月，市值就从4400多亿的高点跌到了2000亿出头。而在大洋彼岸，"美国宇树"的机器人开始"成精"了。

9月17日，Figure AI发布新模型Helix 2.5，把机器人带进了30个陌生家庭，让它铺床、叠毛巾、收拾玩具。

这些活它也不是第一次干。今年3月，Figure的机器人就能自己打扫客厅；5月，它还在桑尼韦尔总部搞了场持续约200小时的直播，3台机器人轮班，一口气分拣了24.9万件快递。

只是这次的新鲜之处，在于Figure的机器人秀了一把"换了地方也能干"。

干过家务的人，总不会到了别人家，就得从头学一次怎么铺床、怎么叠衣服。但机器人换个地方，大概率得让人重新演示、采集数据，再训练一遍，才能在新环境里干活。

甚至只是各家的家具摆放、物品大小不一样，之前学会的动作就可能不管用了。

而Figure AI这次偏偏把机器人扔进了30个此前从未去过的真实家庭，没有提前采集这些家庭的数据，也没有挨家重新训练，就让机器人直接上手干家务，还宣布实现了"零样本泛化"，中译中大概就是"机器人到了新地方，不用重新学也能干活"的意思。

难道，机器人保姆马上就要上岗了？

机器人终于学会举一反三？

不过，真把成绩单摊开来看，只看数据的话，这次“泛化”也没有神到哪里去。

Figure一共测试了420次，Helix 2.5成功完成237次，整体成功率为56%。拆开看，铺床成功率67%，叠毛巾62%，收拾玩具只有40%。

也就是说，它每干两次活，差不多要失手一次。尤其是最后一项，十次里有六次都收拾不明白，离真正能接管家务的机器保姆还远着呢。

但56%这个数字，放在人形机器人做家务的泛化测试里，已经算得上顶尖。按照Figure的说法，这是人形机器人第一次在如此多的真实家庭中，展示这种规模的零样本全身泛化。

官方还放了一条3小时57分钟的完整视频。在这条视频里，Helix 2.5还真的展现出了一些非常有“人味”的动作。

比如铺床时，机器人发现自己站的位置不合适，会主动后退，重新调整姿势；被子没有铺好，它还知道绕到床的另一边，换个位置继续整理。以前的机器人经常是动作一旦做偏，后面就傻眼了，甚至还有为了不出乱子直接罢工的。

而现在，Helix 2.5最惊喜的就是已经会在干活的过程中发现不对的时候，马上想办法补救。

这时候再回头看今年5月那场200小时直播，两代机器人的差别就很明显了。

当时的Helix 02可以守着分拣台连续干活，但那些本事依赖在工作现场采集的数据。工位一换，周围的设备和物品改变了之后，哪怕是同样的分拣工作，但机器人还是得重新采集数据、重新训练。

最终，虽然那场直播测试证明了Helix 02确实是个可以连续干活的好手，但仍没有证明它真的拥有泛化能力，技能可以随着环境的变化活学活用。

而这次呢？Helix 2.5可是换了足足30个地方。

每个家庭的床、家具和物品都不一样，它依然能完成一半以上的任务。

｜那在那么短的时间里，Helix 2.5怎么进步了那么多？

Figure做了一组对照实验，两边使用相同的任务数据，模型架构、训练方法和测试条件也完全一致，唯一的区别，是其中一个模型提前看过一套人类干活的视频。

结果，没看过的成功率只有9%，看过的直接涨到了56%。

那么，这套视频里到底有什么，能让机器人在陌生环境中的表现一下提高这么多？

秘密就叫做Index。

先培训，再上岗

Index这个名字听起来很像某种复杂技术，但真相也许远比你想的要简单。继续中译中，就是Figure花钱请人干活，再把整个过程拍下来，拿去教机器人。

有人在家铺床、叠衣服、打扫卫生，也有人在餐厅收拾桌子，在商店补货，甚至还有人录下了铲猫砂和换机油的过程。只要愿意，普通人下载Index的应用，就可以把自己做事的视频上传给Figure，审核通过后还能拿到白花花美刀。

短短四个月，它就在108个国家积累了超过1600万条视频，每周还有4.4万人持续上传。Figure已经为此支付了1500万美元。

不过也不是随便拍一条扫地的视频上传上去就能美滋滋拿钱了。这些上传了又经过审核的视频，都有个大前提：不重样。

Figure会把上传的内容筛选、去重，再检查有没有作弊和大量重复。按照公司公布的数据，每1000小时的Index视频，大约涉及373种任务、1146种物品和116种环境。

最终在Index上，同样是铺床，有人从床头开始，有人先抖开被子；同样是整理房间，每家摆放的家具、需要收拾的东西也不一样。同一个类型的任务却有着五花八门的解法，主打一个“贵在真实”。

而且这些同一个任务的不同变化，都是自然产生的，再厉害的工程师也不可能坐在实验室里，一条条模拟、设计出来。

于是，Figure的机器人真正开始练习之前，就已经通过看大量人类怎么跟现实世界打交道的真实视频，先培训再上岗。

有了这些视频打底，Figure就可以先把训练的顺序整个调了过来。

过去，机器人通常是先确定要学什么，再围绕这项任务收集数据：教叠毛巾，就安排机器人反复叠毛巾。

现在Helix 2.5反着来，先在Index里预训练，见过足够多的人、物品和环境，再去学铺床、叠毛巾和收拾玩具。

这套思路，和大模型的预训练是一个道理：先海量"见世面"，再专门学手艺。

前面的对照实验已经证明，这一步确实有用。同样一批家务训练数据，交给一个看过大量人类示范的模型，到了陌生家庭，表现完全是两个样子。

这也解释了Helix 2.5为什么能在30个家庭里临场调整。只要此前见过的动作和场景足够多，遇到床铺尺寸变化、站位不合适或者东西没放好时，它的脑子里就多了几种可以尝试的办法。

不过，既然1600多万条视频已经让Helix 2.5学会了一些举一反三，那么再多一倍、两倍，甚至十倍的数据，它还会不会继续变聪明？

机器人训练变天了？

其实喂的数据越多，大模型的效果越好，这在AI大模型这边，早就是一条金科玉律，也就是Scaling Law。

所以这些年，各大模型公司都在抢着买更多算力、收集更多语料，再把模型规模越做越大。因为按照Scaling Law，只要数据和算力继续增加，模型通常就会按照一定规律变强。

这次Figure给机器人喂了2倍、4倍甚至8倍的Index数据，从操作上看，也有点像是在机器人身上复刻大模型的Scaling Law。

那么，机器人这边也有Scaling Law吗？

你还别说，真给Figure测出来了。

研究人员一共训练了四组模型，最大一组使用的Index数据，是最小一组的8倍。模型大小、后续的家务训练以及其他条件全部保持一致，只改变预训练时给机器人看过多少人类视频，然后只盯一个指标：机器人预测下一步动作的误差。

结果，Figure发现：随着Index数据增加，机器人的动作预测误差还真的一直在下降。而且这条线降得很规整，数据每增加一档，误差会减少多少，已经能够提前估算。

Figure还用前三个模型的数据拟合出这条曲线，在最大那次训练开始之前，直接算出了它的误差。等训练跑完一看，实际结果和预测对到了小数点后四位。

这么看，机器人好像真有自己的Scaling Law。Figure还给这条曲线起了名字："人类到人形机器人的迁移Scaling Law"：

这条曲线，解的是机器人行业的一个老大难：过去想让机器人更强，只能采集更多机器人数据，又贵又慢。

但如果人干活的视频能按可预测的规律变成机器人的本事，投入多少、产出多少，就能照着这条曲线提前算出来，要花多少钱，心里有数。

Figure愿意继续收数据、买算力，赌的就是这条曲线成立。

9月3日，Figure宣布与AI云计算公司Nscale合作，计划从2027年下半年开始部署英伟达Vera Rubin平台，最终最多使用10万块GPU。最初承诺的算力投入达到35亿美元，未来意向是扩大到60亿美元以上。

35亿美元买算力，这更像是大模型公司的做法。而且Nscale不只是卖算力，还战略入股了Figure，成了它的股东。黄仁勋在官宣里也说，这次合作"激活了机器人飞轮"。

另一边，Index每秒钟还在收到大约35分钟的人类行为视频。

一边是全世界的人不断拍下自己怎么干活，另一边是最多10万块GPU等着把这些视频喂给机器人。Figure作为一家机器人公司，却走在一条越来越像大模型公司的路上。

不过，目前这条被称为"人类到人形机器人的迁移Scaling Law"的曲线，还有挺多问题。它一共只有四个点，跨度只有8倍，撑不起一条定律。

比如实验测的是动作预测的误差，不是任务成功率。误差降了，也不代表喂的数据越多，家务就干得越好。

而且56%的成绩是Figure自己打的分，30个家庭全是湾区租来的房子，三项任务也是提前选好的。

尽管Figure在这次家务测试中迈出了重要一步，但距离大家请到一位机器保姆，还有很远的距离。

参考资料：

APPSO《刚刚，机器人首次「空手闯进」 30个陌生家庭，进门就干活》

极客公园《Figure AI宣称找到了机器人版scaling law，同行却说它其实根本不会泛化》