⚛️較早收集於 41m

390億美元機器人掌握客廳清潔

390億美元機器人掌握客廳清潔
PostLinkedIn
⚛️閱讀原文: 量子位
#robotics#embodied-ai#humanoidhelix-02nvidiahelix-02

💡英偉達支持390億機器人實現全室自主—具身AI開發者必看。

⚡ 30-Second TL;DR

有什麼變化

全程端到端自主客廳清潔示範

為什麼重要

推動具身AI邁向家用實踐部署,英偉達支持提升投資者信心。可能加速通用機器人商業化。

下一步行動

使用類似Helix 02的端到端視覺語言動作模型實驗機器人任務訓練。

誰應關注:Researchers & Academics

關鍵要點

  • 全程端到端自主客廳清潔示範
  • 公司390億美元估值
  • 自研具身大腦Helix 02核心支撐
  • 英偉達持續策略投資

🧠 深度解析

背景與延伸:來自公開資料,非原文內容。引用 5 個來源。

🔑 增強重點摘要

  • Figure AI於2025年終止與OpenAI的合作後,自行開發Helix視覺語言動作(VLA)模型[2]
  • Helix 02引入三層架構,包括新基礎層System 0,以取代超過10萬行手寫C++程式碼,使用超過1,000小時人類運動數據訓練[1][3][4]
  • 該系統完全機載運行於嵌入式GPU,無需雲端連接,並支援如卸載洗碗機等4分鐘長時程自主任務[2][5]
  • Helix 02具備靈巧操作能力,如擰開瓶蓋、從障礙中取出藥丸及精準注射[1]

🛠️ 技術深入

*System 2(7-9 Hz):高階視覺語言模型(VLM),處理六個RGB攝像頭輸入,負責場景理解、語言解析及任務規劃[2][4][5]。 *System 1(200 Hz):視覺運動策略,將感知轉換為全身關節控制,輸入包括頭部/掌心攝像頭、指尖觸覺感測器及全身本體感覺,輸出控制腿部、軀幹、頭部、手臂及手指[1][2][4]。 *System 0(1 kHz):學習型全身控制器,使用強化學習及模擬訓練,提供人類般穩定自然運動,約1,000萬參數[1][3][4]。 *訓練數據:500-1,000小時遠端操作行為數據及大規模模擬,支援零樣本操作數千未見物體[2][3]

🔮 前景展望AI analysis grounded in cited sources

Helix 02可透過單一神經網路更新即時提升整個機器人艦隊性能
Figure CEO指出,改進可反饋至全體機器人,且執行器僅使用20-25%峰值速度,具巨大提升空間[5]

時間線

2025-01
Figure終止與OpenAI合作,開始自研Helix VLA模型
2025-12
推出原始Helix,實現上半身像素到動作控制
2026-02
發布Helix 02,實現全身端到端自主控制
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源: 量子位

這是摘要,不是原文。去看原站,或訂閱每週簡報。

每週 AI 簡報

每週一封,可隨時退訂。