Figure Helix 2.5 在30套全新住宅实现零样本成功

2026年9月17日，Figure公司正式发布了其最新的类人服务机器人控制架构——Helix 2.5。公司在新闻稿中指出，这一模型在一次大规模现场实验中被同时部署到30套此前从未出现在其训练数据中的全新住宅里。

实验的核心任务包括三项典型的家务活动：对客厅进行整理、折叠一套毛巾以及使用每户已有的家具与床上用品完成铺床。值得注意的是，实验前并未对这些住宅进行任何形式的地图绘制或物体清单的预先编制。

严格分离训练与评估数据

Figure强调，评估阶段使用的任何住宅数据都严格排除在模型的训练流程之外。公司工程师与独立的人类审计员共同核实，测试期间出现的物体种类和空间布局均未在用于训练Helix 2.5的规范数据集中出现过。

在全部30个环境中，机器人仅使用了同一控制检查点的模型权重。整个实验期间，神经网络的权重没有进行任何微调，也没有因为早期表现而触发选择机制或动态适配。

与目标专用策略的性能对比

Figure声称，Helix 2.5的整体成功率与专门在目标环境中训练的Helix 02相当。关键的区别在于，Helix 2.5只用了大约一半的适配数据，就实现了与Helix 02相同的绩效水平。

系统还展示了实时的物理纠正能力。例如，当机器人在执行铺床动作时遇到床框阻碍，它能够后撤、调整姿态或绕过障碍后继续完成折叠流程，体现出一定程度的自适应。

ABC Tecnología的独立评估

独立评估机构ABC Tecnología发布的报告显示，30套住宅的总体成功率为56%。该媒体引用本地机器人专家的观点，警告接近一半的失败率对于面向普通消费者的家庭助理机器人来说仍然不可接受。

Figure对报告作出回应，指出本次测试的主要目的是衡量模型的零样本泛化能力，而非检验机器人在真实家庭中的完整自主操作。实验仅聚焦于预先指定的三项任务，且成功标准在实验前已明确界定。

• 30套全新住宅
• 3项家务（整理客厅、折叠毛巾、铺床）
• 单一模型检查点，无权重适配
• ABC报告的整体成功率56%
• 适配数据仅为Helix 02的一半

公司进一步披露了为Helix 2.5提供算力支持的Index平台的资源投入情况：平台每秒产生约相当于35分钟的人类水平经验，总计约耗费35亿美元的计算资源用于模型的训练与优化。

尽管实验结果显示出可衡量的零样本泛化能力，但这并不意味着机器人已经可以在任何家庭环境中实现完全自主运行。当前的测试范围仍然局限于狭窄的任务集合和预定义的成功指标。

对于有意在中文市场部署服务机器人的组织而言，这一研究提供了两条重要的实践启示。第一，单一且经过充分训练的模型能够在多种未知环境中工作，无需昂贵的现场再训练，从而有望缩短部署周期并降低整体成本。

第二，当前约56%的成功率仍然表明，在真实住宅环境中仍需配备人类监督或后备安全机制，以确保机器人的可靠性和用户的使用安全。

值得注意的是，Figure在实验报告中明确指出，未来的研发路线将聚焦于提升零样本任务成功率、扩展任务种类以及加强对复杂动态障碍的实时响应能力。

本地化提示：如果贵公司计划在中国大陆地区进行类似的机器人部署，建议在项目初期就与当地的住宅标准化机构合作，获取统一的空间布局规范，以便更好地评估模型的实际适配性。