机械点评报告：FIGURAI发布人形视觉-语言-动作模型HELIX 人形机器人智能化再进一步
事件描述
2 月20 日晚，Figure AI 发布了Helix 模型，这是一种通用的“视觉-语言-动作”模型，将感知、语言理解和学习控制统一起来，人形机器人的智能化发展更进一步。
事件评论
Helix 模型实现了多项首次创新。它是第一款实现对整个人形上半身（包括手腕、躯干、头部和单个手指）进行高速率连续控制的VLA，能够以200Hz 的频率协调35 个自由度的动作空间，并实现了同时在两个机器人上运行，使它们能够解决共享的、远程操作任务。
配备Helix 的Figure 机器人现在只需遵循自然语言提示，便可拿起几乎任何小型家用物品，包括它们以前从未遇到过的物品。在视频中，当被要求捡起“沙漠物品”时，Helix 能够准确识别出仙人掌玩具，并精准完成指令任务。Helix 使用一组神经网络权重来学习所有行为，包括挑选和放置物品、使用抽屉和冰箱、跨机器人交互，无需针对任何特定任务微调。而且Helix 是首个完全在嵌入式低功耗GPU 上运行的VLA，可立即用于商业部署。
Helix 模型能够大幅提升机器人学习速度。家庭是机器人面临的重要挑战，与工业环境不同，家庭中通常物品较多，且每个物品的形状、大小、颜色难以预测，家庭机器人需要能够像人一样推理并处理家庭物品。目前教学机器人需要投入大量人力，传统方法需要数小时博士级专家手动编程，或者进行数千次演示，两种方法成本都过于昂贵。Helix 模型能够将视觉语言模型（VLM）中捕获的丰富语义知识直接转化为机器人动作，这项新功能将从根本上改变机器人技术的扩展轨迹，曾经需要数百次演示的新技能，现在只需用自然语言与机器人交谈就可以立即获得。在系统测试中，Figure 机器人成功地处理了数千件杂乱无章的新物品，从玻璃器皿和玩具到工具和衣服，而无需任何事先演示或定制编程。
Helix 是首个由“系统1，系统2”组成的VLA，可以实现人形机器人上半身的高速精确控制。以前的VLM 主干网络具有通用性但速度不快，机器人视觉运动策略速度快但缺乏通用性。而Helix 通过两个系统解决了这个难题，两个系统经过端到端训练并可以相互通信。系统2（S2）是VLM 主干网络，经过互联网数据预训练，以7-9Hz 的频率运行，用于场景理解和语言理解，系统1（S1）是快速反应的视觉运动策略，将S2 产生的潜在语义转化为连续精确机器人动作。这种解耦架构允许每个系统在其最佳时间尺度上运行，S2可以“慢慢思考”高层次目标，而S1 可以“快速思考”来实时执行和调整行动。与现有方法相比，Helix 具备多个优势：1）匹配专门的单任务行为克隆策略的速度，同时对数千个新测试对象实现零样本学习。2）可以直接输出高维动作空间的连续控制。3）使用标准架构，架构简单。4）分别迭代S1、S2 系统，无需寻找统一的观察空间或动作。
投资建议：Helix 的发布反映出Figure 在拓展家庭人形机器人行为能力方面取得了较快进展。当下海内外机器人主机厂持续进行研发工作，推进海内外共振，同时零部件企业也在持续推出性能更好的零部件，提升生产效率并推动降本，我们认为未来人形机器人的智能化发展有望提速，持续看好人形机器人产业发展大趋势。
风险提示
1、人形机器人技术发展不及预期；
2、人形机器人产品需求不及预期。
声明：
- 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
- 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。
推荐文章：