◎ 第四代，改了什么？

△ 撰文：董志洋

Figure 04的设计已经冻结，零部件开始发运，执行器、电池和灵巧手正在进入内部调试。

Figure在本周举行了一次全体会议，Figure创始人兼CEO Brett Adcock介绍了第四代机器人的进展，并用“人形机器人的第一代iPhone”形容自己的期待。

但这场会议的大部分时间，他谈的是机器人怎样从人的活动中学习、Figure如何获得足够多的训练数据，以及算力和制造能力怎样跟上。

Figure为下一代机器人改造身体和手，也在扩大模型训练与生产投入，押注的是同一套能力能够进入更多不同的工作场景。

第四代，先改了什么？

前三代机器人已经历多次结构调整。

2022年设计的Figure 01主要用于验证执行器、电池、计算、传感器和运动学布局，公司成立后不到一年便让它走了起来；Figure 02把电池从背包移进躯干，机内算力翻倍，同时改进热管理、承载结构和相机配置。

Figure 03开始同时面向Helix模型和更大批量的制造，从第二代到第三代，成本下降超过90%。团队还降低了整机重量，继续迭代手部和传感器布局。

到了第四代，执行器、供电和手部设计又有了较大变化，Adcock将其称为Figure迄今最大的一次代际跨越。

他在会上介绍，新执行器已经在公司的测功实验室运行，团队正在测量性能、处理调试中的问题，目标是在当周末前让各类新执行器完成性能测量并运行起来。

供电系统的改动涉及电芯和电池包架构，Adcock说，会前一周，团队首次完成了10个完整电池包的上电调试，接下来几周将加载测试，随后数月继续测量热性能等表现。

Adcock 还在会前一周见到了第四代头部的新设计，团队此前曾认为它很难制造。

灵巧手，要跟上人的动作

在几代机器人的结构调整中，灵巧手的设计反复修改，Figure 01最初采用腱绳驱动，Adcock当时认为这是接近人手能力的最佳路径，后来将这一选择称为团队迄今最糟糕的决定之一。

改换路线时，没有现成的腕部电机，重新设计又会影响约三个月进度，团队便把足部相关机构复用到前臂，早期机器人的前臂中部因此可以弯曲。

如今，配套第四代机器人的手已经经历四轮大版本修改。会上展示了内部V3版手的动作，也展示了实验台上活动的一根V4版手指，它的尺寸约与人的手指相当，Adcock认为V4将成为面向市场的版本，目前仍在调试。

Adcock用一个直观的说法形容研发难度：新手的复杂程度和执行器数量，已经超过了整台机器人。

这只手为什么反复改版，还要从Figure选择怎样获得训练数据说起。

一种路线是为机器人设计专用设备，用设备直接采集适合机器人学习的动作；Figure选择先记录人的活动，再将人的动作迁移给机器人。

Adcock认为，两条路线的取舍会成为未来几年行业的重要争论，他把它类比于自动驾驶围绕激光雷达和摄像头的路线争论。

人的手指能够在狭小空间内接触、调整和抓取物体，机器人要跟随这些动作，手部运动范围和关节安排就必须足够接近人手。

Figure花了数月，让机器人的指尖跟随人手动作，并对准抓物时的接触位置，Adcock说，相关跟踪精度已接近毫米级。

手部执行器、电子器件、结构件和线缆都要放进有限空间，团队为此反复调整驱动和关节布局，V4版目前仍在调试。

走进30个陌生家庭

手跟上人的动作，身体也要能走到工作所在的位置。Figure 01曾站在桌前用双手制作咖啡，后来团队约花了一年重新设计Helix，把桌面操作推进到全身移动操作。

Adcock把直接做人形机器人与向人学习联系在一起：机器人可以进入人类使用的空间，走到任务所在的位置，再利用人类活动数据学习。

他认为，长期围绕固定桌面采集和训练，会限制机器人向更广泛场景扩展，Figure自己也曾在桌面操作阶段遇到困难。

Adcock用送包裹说明这种变化：机器人离门还远时不必俯身，接近门前后才调整步伐和身体姿态，必要时跪下，把包裹放到目标位置。模型需要根据相机画面，同时调整迈步、躯干姿态和双手动作，才能把接近门口与放置包裹连成一个任务。

Adcock展示的客厅清理与厨房操作，也把移动和操作连成了更长的任务，演示画面未经剪切，机器人在途中持续改变位置、使用双手。

他特别强调了训练方法本身，团队需要弄清楚模型需要哪些数据、策略如何训练，以及表现为什么改善或退步，增加数据和算力无法替代这些研发工作。

围绕楼梯、搬箱等动作，Figure也在调整身体控制，部分原先依赖大量C++代码的工作正转向学习模型。团队开发了力感知控制器和多接触检测，演示过一只手撑地、另一只手向上够取的动作，搬箱、开门和协助卸车也进入测试。

这些能力也对应着客户提出的任务，一位商业客户需要机器人沿梯子爬到夹层，团队正在练习，目标是在今年完成。控制方面的新进展则计划在下个月公开。

在物流场景中，Figure进一步测试了连续作业能力，物流作业持续了200小时，期间机器人需要充电时由另一台接替，测试最终由团队结束。

公开活动又提出了在人群中运行的要求，Dreamforce活动上，机器人需要在没有摇杆操纵的情况下自主穿过人群，并与观众交流。

Figure还把Helix 2.5带进30个此前未见的家庭。团队租下这些住宅，面对不同的家电、照明和空间布置，还特意选用训练时未见过的物体。

Adcock给出的观察是，机器人能够适应陌生环境，预训练发挥了作用，增加数据也改善了团队内部的结构化评估结果。

一周810万美元的数据投入

Adcock在会上直言，“赢下这场竞争的不会是后训练，而是预训练，解决预训练的团队将赢下通用机器人。”在他看来，围绕具体任务采集数据、训练策略，Figure已经有经验，要让机器人承担更多种工作，则需要在预训练阶段接触更广泛的人类活动。

他借语言模型的发展解释扩大训练规模的思路，又展示Figure的人类数据迁移实验：INDEX预训练数据从1X增加到2X、4X、8X，模型在验证集上的损失持续下降。团队还让机器人执行结构化任务，观察到数据增加时任务表现也在改善。

Adcock希望把数据、计算资源和模型规模继续往上推，并像语言模型研究者那样，更稳定地预测投入增加之后模型能改善多少。Figure目前展示的数据扩展结果，让他相信这条路线值得继续投入。

这套预训练需要不同的人、活动和环境，Figure曾尝试购买数据，没找到适用的来源，便花约一年内部建设INDEX。有人拍做饭、园艺或割草，也有人记录商业设施里的工作，收集范围从家庭延伸到更广泛的日常与职业活动。

截至会议时，INDEX累计收到3750万条上传视频，应用下载126万次，覆盖112个国家。仅会前一周，就有约21万名不同用户至少上传过一条视频，最近10周上传用户平均每周增长约20%。

全球用户并行上传的内容，相当于每秒约81分钟视频，Adcock估算会前一周的数据支出约810万美元，并预计未来将在数据上投入数十亿美元。

视频到手后，团队还要清洗、标注，追踪手指和身体在空间中的动作，把处理后的信息用于Helix预训练，处理方法也在随模型开发调整。

展示中的Index Collect界面把人的第一视角视频、手部关键点和头部移动轨迹等信息放在一起，旁边还有机器人姿态视图。团队需要从画面中识别手指怎样运动、身体怎样移动，再把这些信息送入Helix的预训练流程。

训练和制造，同时加码

数据增加以后，训练所需的计算资源也要增加。

Figure已与Nscale达成合作，初始承诺为35亿美元，双方有意将合作规模扩大到60亿美元，项目计划使用NVIDIA Vera Rubin平台，规模最多可达10万块GPU。

相关集群计划在2027年上线，得克萨斯州西部的电力许可和硬件采购已经在推进；在集群上线之前，公司还计划用约一周半时间将现有算力翻倍。

Adcock把Figure的发展分成四个阶段：做出机器人本体，找到AI训练方法，扩大智能能力，再扩大机器人供给。

在他看来，前两阶段靠长期工程积累，Figure今年已越过第二阶段的关键难关，后两阶段则需要更多数据、算力、制造投入和营运资金。

“四个阶段都要完成，不能跳过任何一个。”Adcock尤其反对在AI能力尚不足时直接扩大制造数量，他关注的是机器人能否自主完成客户愿意付费的工作。

公司当时持有超过20亿美元现金，Adcock估计，完成后续扩张还需要数百亿美元。按照他的路线，训练规模和机器人的制造数量必须一起增加。

制造端，Figure已经建成BotQ工厂，Adcock说，从搭建到运行用了约两三个月，为人形机器人组织供应链仍是艰难工作。今年夏季，Figure完成了第1000台Figure 03的制造，将这台全金色机器人留在BotQ。

如今，园区内机器人数量已经超过员工，公司还计划建设超出现有BotQ 1的产能。

商业部署也已推进到美国三个州。Adcock举例说，进入一栋新建筑时，照明和输送设备与此前见过的现场略有不同，团队没有为该地点增加训练，便让机器人直接尝试作业；洛杉矶一处没有空调的场地，也让机器人在高温环境中接受实际运行的考验。

回顾这些投入时，Adcock还谈到，取得算力本身也是难题，一些企业即使有资金，也难以获得所需资源。他认为Figure需要把硬件、训练方法、数据、算力和制造商业化同时做好，并依靠一支能够长期合作的团队持续推进。

对于接下来的模型进展，Figure在会议结尾放出了“HELIX 3.0 is coming…”的预告。

Adcock介绍，前一个月团队用当时最多的预训练数据和GPU训练了新模型，并在办公室内一处住宅式实验空间测试。

Adcock把这次内部测试形容为“baby AGI”，并称它是自己经历过的最重要的机器人时刻。团队当时还没有准备好完整展示这项成果。

如今，他们又在训练规模更大的版本，Adcock预计数周后准备好，并计划在接下来的六个月继续训练。

Figure希望同一模型把人类活动中学到的经验带进新家庭、新工位，减少每次进入现场都重新采集和训练的工作。

第四代机器人走出工厂后，进入陌生场景所需的额外训练，将直接检验这笔数据和算力 投入的实际效果。

-END-