Figure的Helix 2.5：人形机器人首次零样本泛化到30户陌生家庭

2026年9月17日，美国具身智能公司Figure AI正式发布新一代人形机器人神经网络模型‌Helix 2.5‌，首次实现人形机器人在30户完全陌生的家庭中完成零样本全身泛化任务，整体任务成功率达到‌56%‌，相比从零训练的同条件策略，成功率从9%提升了6倍多，是具身智能领域的重要里程碑突破。

一、测试结果与任务表现

Figure在旧金山湾区租赁了30户完全未参与过训练的陌生家庭，全程不采集任何环境数据、不对模型做任何微调，所有测试共用同一个固定模型checkpoint，最终420次完整任务尝试中成功完成237次，各细分任务表现如下：

任务：整理客厅（把13-15件散落玩具全部放入收纳筐，每件1分钟超时）、折叠毛巾（四角对齐1英寸内为满分，每条3分钟超时）、铺床（枕头与被角到位、被面拉平，每件1分钟超时）。
结果：30户湾区住宅、420次尝试中成功237次（Startup Fortune统计口径），整体成功率56%；受控对照下，不用Index预训练的同构模型成功率仅9%。分任务：铺床67%（94/140）、折毛巾62%（87/140）、整理客厅40%（56/140）。liStA✺IDeepThinK.cn
"零样本"口径：指环境与物体未见（训练数据不含这30户住宅与评测物件，由AI初筛+人工复核确认）；三种行为本身仍由别处采集的微调数据指定，所有家庭使用同一固定checkpoint，无任何本地适配。
资源投入：Index数据集每秒新增约35分钟人类行为数据；Figure已承诺35亿美元算力用于Helix训练，本月与Nscale签多年期协议锁定约10万块英伟达Vera Rubin系列GPU、合同总规模最高60亿美元（财联社转述口径）。

测试采用严格的全成功判定规则：任务未完整完成、中途超时或需要人工安全干预，均直接计为失败，没有部分得分。机器人在陌生环境中展现出了明显的自我纠错能力，可自主后退重新定位、调整站姿、绕床移动修正操作，完成需要全身协调的长时序动作。

二、技术突破

Helix 2.5的能力跃迁完全依托Figure在8月25日推出的‌Index人类行为数据集‌预训练体系，这也是全球首个在人形机器人上验证出的可预测数据缩放规律：

1. Index预训练体系‌

该数据集累计收集超1600万段人类行为视频，覆盖108个国家和地区，每秒可生成约35分钟的全新人类行为数据，Figure已向数据贡献者累计支付1500万美元，且数据集中没有任何一项评测任务占比超过1.9%，完全避免了“刷分”嫌疑。liStA✺IDeepThinK.cn

2. 效率大幅提升‌

相比前代Helix 02，Helix 2.5仅使用一半的任务专用数据，就将同一套家务行为泛化到30倍数量的全新环境中，大幅降低了场景适配成本。

3. 可预测的缩放定律‌

实验验证Index预训练数据量每翻倍，机器人动作预测损失就会呈平滑可预测的下降趋势，仅用小规模训练结果就能提前精准预测大规模训练的最终损失，误差仅为数据区间波动的0.54%，为人形机器人后续能力迭代提供了可量化的清晰路径。

4. 全身端到端控制‌

依托Helix系列的三层架构（S0小脑负责平衡、S1快脑实时控制全身关节、S2慢脑负责任务规划），实现了行走、操作、平衡的并行处理，泛化能力不再局限于机械臂的局部操作，而是覆盖了全身长时序的复杂家务动作。

三、开发过程

Helix 2.5从随机初始化直接在Index（人类行为数据集）上预训练，不再像Helix 02那样从预训练视觉-语言模型出发；再以单一基础模型适配出三种全身行为。为隔离Index的贡献，Figure用完全相同的任务数据、架构、超参训练了两个策略，唯一变量是是否用Index初始化——这是本次发布中证据等级最高的部分。liStA✺IDeepThinK.cn
核心假设是"人类视频/行为数据可以迁移为人形机器人的全身智能"。Figure给出一条"人-机迁移Scaling Law"：在8倍嵌套的Index子集上训练4个模型，held-out动作预测损失随数据翻倍平滑下降；仅用较小运行的曲线即把最大模型的测试损失预测到小数点后四位，误差为全数据范围变异的0.54%（公司口径）。需注意：该Scaling Law度量的是动作预测损失而非任务完成率，把同样的可预测性验证在完成率上是更难的测试。

四、产品提升

Helix 02已能协调全身完成卸洗碗机、200小时自主物流任务，但其数据来自"机器人将要工作的场所"——即在每个场景内采集。家庭场景没有工厂的固定工位，家具布局、毛巾材质、床的高度全部不同，机器人必须把"走到能看见、够得着的位置"作为任务的一部分，感知、移动、操作无法拆开解决。这是Figure把"换一个环境还能不能干"作为核心问题的原因。liStA✺IDeepThinK.cn

Helix 2.5只用Helix 02同类行为一半的任务专用数据，达到同等成功率，且泛化到30个未见环境；任务规格成本降一半、适用范围扩大30倍（通稿口径，属相对比较）。

五、横向对比

维度	Figure Helix 2.5	智元远征A3等国产方案（9/17报告）	特斯拉Optimus（同日更新）
泛化路线	人类行为数据预训练+零样本迁移	场景定制+多机协同实景验证	端到端策略+工厂产线数据
验证环境	30户真实住宅（盲测）	4S店/酒店/便利店（部署场景）	自家工厂产线
公开量化	56%整体成功率（420次、无部分得分）	千台级验证、无公开成功率	手部抓取成功率提升（无绝对值）
数据引擎	Index：35分钟/秒	具身数据工厂（京东千万小时级合作）	内部产线遥操作
商用距离	研究里程碑，家用尚远	已签商业订单	2026年计划下线约5万台（据GenAI Daily/达灵周报转述，审厂在宁波进行）

六、行业意义

机器人"在一个地方学、只在一个地方用"的根本限制。此前人形机器人要么在自家实验室演示，要么针对每个家庭重新训练；Helix 2.5证明全身智能可以从人类经验中学习并迁移到新场景，而非每次重建。机器人还表现出自我纠错：后退重新定位、变换站姿、绕床修正折叠。liStA✺IDeepThinK.cn

里程碑价值‌： 这是全球首次在30户家庭的大规模真实场景下，实现人形机器人的零样本全身泛化，打破了此前人形机器人每换一个场景就需要重新采集数据、重新适配的行业痛点，把具身智能的商业化落地门槛大幅降低。Figure已承诺投入总计‌35亿美元‌的算力资源用于Helix系列模型的后续训练，未来还将依托最高10万块英伟达Vera Rubin平台GPU进一步扩大数据和模型规模。
待完善空间‌： 目前56%的整体成功率意味着仍有44%的任务会失败，且本次评测由Figure自行完成，尚未经过第三方独立验证，距离行业公认的“80%陌生场景下完成80%任务”的商业化爆发临界点，仍有明显差距。