撰文：Techub News 整理
导语
2025 年 6 月，人形机器人公司 Figure 的创始人兼 CEO Brett Adcock（布雷特·阿德科克）做客科技播客《Brighter with Herbert》，进行了一场长达一小时的深度对话。这场对话的核心，是首次向公众完整展示了一段长达60分钟、未经任何剪辑的 Figure 02 人形机器人工作视频。视频中，机器人持续不断地进行着小件包裹的物流分拣作业，其流畅度和稳定性引发了行业广泛关注。Brett Adcock（布雷特·阿德科克）不仅解读了视频背后的技术突破，更深入探讨了人形机器人商业化面临的真实挑战、公司战略以及对未来应用的展望。在当前人形机器人领域演示视频多以短片段为主的背景下，此次长时间、无剪辑的实景演示具有重要的里程碑意义。
摘要
- Figure 02 机器人通过单一神经网络 Helix S1 驱动，仅用约60小时训练数据，即可在复杂的小件包裹分拣任务中达到高成功率。
- 成功的关键在于对 Helix 模型的根本性改进，包括引入立体视觉、力反馈感知和时间记忆（时空记忆）能力。
- 公司的目标是让人形机器人执行“枯燥、肮脏、危险”的重复性劳动，其核心优势在于通用性，能适应为人类设计的世界，并通过数据飞轮持续进化。
- 下一代机器人 Figure 03 已在内部进入测试阶段，在速度、视觉和手部灵巧度上均有显著提升，且公司宣称目前不存在供应链瓶颈。
- Brett Adcock（布雷特·阿德科克）认为，硬件与 AI 的协同设计、规模化数据收集与制造能力，是赢得人形机器人竞赛的关键。
从“炫技”到“实干”：一小时的无声宣言
与许多机器人公司发布的精心剪辑、展示跑酷或舞蹈的短视频不同，Figure 此次选择展示一段长达60分钟、单一视角、未经剪辑的原始视频。视频内容甚至有些“枯燥”：Figure 02 机器人站在传送带旁，不断从杂乱的包裹堆中识别、抓取小件包裹（包括塑料袋和纸箱），将其平整、翻转以使条形码朝下对准扫描器，然后放置到指定位置。整个过程循环往复。
正是这种“枯燥”，成为了最有力的技术宣言。Brett Adcock（布雷特·阿德科克）指出，小件包裹物流分拣一直是通用机器人领域的“阿喀琉斯之踵”。塑料袋会在抓取时变形，包裹状态永不重复，无法通过传统编程和启发式算法解决。这是一个“完美适配神经网络”的问题。视频证明了 Figure 02 能以接近人类的速度（当时约4-5秒/件，最新数据已达3.54秒/件）和超过95%的成功率，稳定、持续地完成这项复杂任务。
Brett Adcock（布雷特·阿德科克）强调，Figure 的使命是“出售人类的工作”，即让机器人替代人类从事物流、制造、建筑等领域的实际劳动，并最终进入家庭。因此，他们优先考虑的是输出、可靠性和投资回报率，而非表演性的功能。这段一小时视频所体现的鲁棒性和持久性，正是评估机器人能否投入实用场景的关键指标。
Helix 大脑的进化：视觉、触觉与记忆
实现这一性能突破的核心，是 Figure 自主研发的 AI 系统 Helix。Brett Adcock（布雷特·阿德科克）详细解释了为此次任务对 Helix S1 模型所做的几项根本性改进：
1. 立体视觉与感知记忆：模型采用立体相机对输入图像，并引入了“时间记忆”能力。机器人可以记住过去几秒内摄像头帧的信息。这对于动态变化的环境至关重要。例如，机器人转头执行动作时，可能暂时看不到左侧的包裹，但凭借记忆，它知道那里仍有包裹需要抓取。Brett Adcock（布雷特·阿德科克）甚至观察到机器人出现“将手臂伸到身后抓取已移出视野的包裹”这类类人行为。
2. 力反馈集成：将力传感数据整合到模型的状态输入中，使机器人能感知抓取力度，更灵巧地处理易变形的塑料袋等物体。
3. 模型规模扩大：Helix S1 本身也是一个参数量更大的模型，规模的扩大直接带来了性能提升。
这些架构改进，结合约60小时的针对性训练数据，共同促成了机器人速度和成功率的显著提升。Brett Adcock（布雷特·阿德科克）特别指出，这些神经网络层面的改进是通用的，会惠及公司所有机器人和应用场景，形成强大的技术协同效应。
超越人类：速度、成功率与通用性之争
对话中，主持人及嘉宾深入探讨了人形机器人相较于传统自动化方案（如专用机械臂）的优劣势。Brett Adcock（布雷特·阿德科克）和嘉宾们提出了几个核心论点：
市场现实：当前全球有数百万工人在从事类似的重复性分拣工作，而非全自动化的机械臂。许多中小型企业没有足够的资本投入高度定制化、专用的自动化产线。人形机器人提供了一种通用的、可重新部署的解决方案。
通用性优势：专用机械臂只能完成单一任务。而人形机器人的形态天然适配为人类设计的世界（工具、楼梯、门廊等）。通过一个通用的“身体”（人形平台）和“大脑”（如 Helix），理论上它可以学习执行无数种任务。在物流场景中学到的抓取、识别等能力，可以迁移到制造、家居服务等其他场景，实现“转移学习”。Brett Adcock（布雷特·阿德科克）认为，人形机器人是“通用人工智能的终极部署载体”。
关键绩效指标：除了单次任务的速度和成功率，真正的商业化还需考核其他 KPI：正常运行时间/故障率：机器人能否连续工作8小时、数天甚至数月而无需人工干预或维修？耐用性：机器人的使用寿命和维护成本。人力替代比：一个机器人能替代多少个人类员工？考虑到人类员工需要休息、有高离职率（Brett Adcock（布雷特·阿德科克）称此类岗位年离职率可达100%），机器人即使速度暂时持平，但其7x24小时持续工作的潜力能带来巨大的整体效率提升。
Brett Adcock（布雷特·阿德科克）透露，在演示中，机器人已达到3.54秒处理一个包裹的速度，进入了“优秀人类员工”的平均水平。而由于 Figure 02 的执行器设计峰值速度远高于当前使用速度，他认为通过软件优化，未来几个月内有望将速度提升至3秒以下，年底可能突破2秒，从而大幅超越人类速度极限。
Figure 03 与规模化之路：硬件、数据与制造
尽管 Figure 02 已表现出色，但 Figure 的开发步伐并未停歇。Brett Adcock（布雷特·阿德科克）兴奋地透露，下一代机器人 Figure 03 已在公司内部投入测试，并且进展远超预期。
硬件升级：Figure 03 在多个方面进行了优化：手指开合速度比 Figure 02 快一倍，以应对高频抓取需求；采用了定制设计的摄像头，显著提升了视觉感知能力；手部也进行了重要改进。总体目标是让机器人的运动范围、速度和负载（扭矩）更接近普通人类，以覆盖更广泛的体力劳动场景。
快速迭代：得益于团队经验的积累和软件栈（如 Helix）的复用，Figure 03 从组装到实现双足行走仅用了不到一周时间，而 Figure 02 曾耗时三个月。目前，Figure 03 已能完成一些基本的全自主任务流程。
规模化挑战：Brett Adcock（布雷特·阿德科克）认为，当前的主要瓶颈在于AI 学习和规模化制造。AI 方面，核心是如何高效、大规模地收集训练数据。人形机器人的优势在于其形态与人类一致，可以非常高效地从人类演示中学习。制造方面，Figure 已建立了自己的生产设施“Bot Q”，并开始生产 Figure 03。Brett Adcock（布雷特·阿德科克）自信地表示，公司在 Figure 03 上“目前零供应链问题”，设计之初就考虑了高速率生产，例如其注塑成型的头部部件产线每周产能可达5万个。
他描绘了一个强大的飞轮效应：将更多机器人部署到真实场景中工作，它们会收集海量数据（包括成功和失败案例），这些数据反馈给 Helix 进行再训练，使所有机器人变得更智能。更智能的机器人能完成更多工作，创造更大需求，进而推动更大规模的制造和更低的成本。“最聪明的机器人也将是最便宜的机器人”，Brett Adcock（布雷特·阿德科克）总结道，而能够最快实现十万台、百万台规模部署的公司将赢得巨大先发优势。
未来展望：从工厂到家庭
当被问及机器人何时能进入家庭完成诸如“组装宜家家具”或日常洗碗、洗衣等任务时，Brett Adcock（布雷特·阿德科克）给出了乐观的预测。他认为，只要硬件能力（如活动范围、力量）达标，这些任务都可以通过数据训练来学习。他预计，完成日常家务的机器人可能在“未来两到三年内”出现，而更复杂的任务如阅读说明书并组装家具，也将在“本十年内”（即未来几年）实现。
最后，Brett Adcock（布雷特·阿德科克）驳斥了“AI 是商品，可以轻易移植到任何硬件”的观点。他强调，人形机器人硬件本身是极高维、极复杂的系统，控制难度极大。优秀的 AI 需要与专用的、高性能的硬件协同设计，才能发挥最大效能。他认为，全球范围内最终可能只有少数几家公司（中美各几家）能真正解决人形机器人的硬件、AI 和规模化部署这一完整难题。
这场对话和长达一小时的演示视频，共同向世界传递了一个明确信号：人形机器人技术正从实验室的“炫技”阶段，稳步迈向解决实际经济问题、创造商业价值的“实干”阶段。前方的挑战依然巨大，但路径已愈发清晰。
