markdown Figure Robotics再次引发关注，其人形机器人凭借Helix架构，仅通过增加数据集的方式，就成功掌握了叠衣服这项复杂任务。这一进展不仅展示了Figure在端到端（end-to-end）机器人控制领域的持续突破，也预示着人形机器人向更广泛的家庭和服务场景迈进。
Helix架构的持续进化：端到端模型的优势
Figure机器人此次叠衣任务的核心在于其Helix架构。这是一个适用于通用人形机器人控制的视觉-语言-动作（VLA）模型。Helix架构的优势在于其端到端的特性，即从视觉和语言输入到运动控制的整个过程都由神经网络完成。这意味着机器人能够像人类一样，通过观察、理解指令并采取行动。Helix架构由两个经过端到端训练且可以相互通信的系统组成，实现了在不同任务中的强大性能。此次任务中，Helix架构的灵活性得以充分展现，它能够处理毛巾这种高度可变性的物体，并能够通过视觉记忆、状态历史和力反馈等模块，完成对衣物的抓取、折叠和整理。
Figure机器人展现了其在处理复杂任务方面的能力。例如，通过视觉记忆模块，机器人可以记住已经检查过的包装侧面，避免重复检查，提高效率。状态历史模块则确保了即使在抓取失败的情况下，机器人也能迅速纠正运动。力反馈模块则赋予了机器人触觉，使其能够动态调整运动过程，提高操作的精准度。这些改进使得Helix架构在处理衣物等非结构化物体时，展现出比传统机器人更强的适应性和鲁棒性。
技术细节：数据集的魔力与多模态交互
值得关注的是，Figure机器人此次叠衣任务并未对Helix架构进行任何修改，仅通过增加数据集就实现了技能的拓展。这突显了数据在训练人工智能模型中的关键作用。通过不断扩充数据集，机器人能够学习处理更复杂的任务，并提升其在不同环境下的泛化能力。此外，Figure机器人还展现了自然的多模态交互能力，包括眼神交流、引导视线和运用手势。这些功能都是在没有明确的对象表征的情况下，通过端到端的方式实现的。这表明，Figure机器人正在朝着更智能、更人性化的方向发展。
人形机器人未来的发展方向
Figure机器人此次的进展并非孤例。市场上，如擎天柱等其他人形机器人也已展现出叠衣服的能力。这表明，叠衣服已经不再是机器人技术难以逾越的障碍。随着技术的不断进步，人形机器人将能够胜任更多复杂的家务劳动和服务工作。Figure计划在现实世界数据规模扩大的基础上，继续提升机器人的灵活性、速度和泛化能力。未来，我们有理由期待人形机器人能够在洗衣服、晾衣服等一系列家务活动中发挥更大的作用，真正实现家庭服务的自动化。那么，你认为在机器人技术不断发展的今天，人形机器人还能解锁哪些令人期待的新技能？
返回搜狐，查看更多