-
日期: 2026-05-16 | 来源: 爱范儿 | 有0人参与评论 | 字体: 小 中 大
这套系统跑的是 Vision-Language-Action 模型，名叫 Helix-02。
Helix-02 采用“System 0/1/2”三层架构：System 2 慢速推理目标和任务序列，System 1 以 200Hz 的速度将感知转化为全身关节指令，System 0 负责底层基础控制。这种分层设计让机器人在搬运易碎物品时能边走边保持稳定握持，甚至在双手被占用时，用臀部顶上抽屉、用脚抬起洗碗机的门。
Figure 把过去十万余行手写的 C++ 控制代码替换成了一个端到端的“omni-model”，从像素直接算出力矩。按照 Figure 官方的描述，这是单一学习神经网络在多人形机器人协同动作控制上的首次展示。
两台机器人之间没有共享规划器，没有消息通信，没有中央协调。它们各自带着摄像头，靠看对方的动作来推断对方意图。有点像两个人一起叠被单时，通过手的移动猜测对方下一步的拉扯方向。
Figure CEO Brett Adcock 计划在 2026 年底把 Figure 03 送进“精选家庭”，目标售价 2 万美元以下，月租 600 美元。但他也承认，机器人在自己孩子附近时，他还是会“盯着”。
——做机器人的人自己都不敢完全放手。这大概是对“家庭场景有多难”最诚实的注脚。
另一家值得留意的是挪威的 1X Technologies。其位于加州海沃德的 NEO 工厂于 2026 年 4 月启动，约 5.4 万平方英尺，是美国首座全流程大规模制造人形机器人的工厂，获 OpenAI 资本加持。NEO 定价 2 万美元，月租 499 美元，首批 1 万台产能在五天内全部售罄。
相比之下，波士顿动力按下了暂停键。Atlas 明确聚焦工业场景，CEO Robert Playter 预测人形机器人要 5 到 10 年后才能真正走进家庭：“急着进军家庭市场或许是一个策略上的误区。”
一侧是五天售罄的狂热，一侧是 5 到 10 年的冷静预判。分歧之大，恰恰说明谁都没把握，但谁都不敢不下场。
为什么全世界还在抢着做
既然行业判断从 3 年到 10 年不等，为什么还要抢？
关键在于数据。
过去，机器人变强靠的是工程师写更好的代码。现在，靠的是吃进更多更好的数据。家庭场景不只是一个“应用市场”，而是一座数据矿。
a16z 的分析指出，工厂里的任务是重复的、有边界的，而家庭里充满了“never before seen”的情况。这种长尾，过去是 bug，现在变成了 feature。
这就解释了 149 元三小时为什么不亏：
货拉拉运输、工程师工时、阿姨成本——账面上 149 元远低于成本。但每一户托马斯白家的三小时，都是无法在实验室复现的真实长尾数据；服务的下限由阿姨兜底，所以即便机器人卡机两次、衣服叠得像揉过的报纸，用户体验也不至于崩盘。
用户以为自己买了保洁服务。实际上，他们在给机器人当老师。而 149 元，是学费补贴。
真正改变家务的机器人，恐怕不会一夜之间冒出来。
它会先笨拙地走进一户深圳的客厅，叠不好衣服，被工程师盯着，被阿姨兜底，被某个付了 149 元的用户半好奇半挑剔地观察一下午。第二天，再来一户。
一万户之后，那台盘式机器人，或许才会真的把衣服叠整齐。- 新闻来源于其它媒体，内容不代表本站立场！
-
原文链接
原文链接:
目前还没有人发表评论, 大家都在期待您的高见