Figure AI Helix 02 實現全自主家居清潔

🔑 增強重點摘要

• •Helix 02 採用三層階層式架構（System 0、System 1、System 2），其中 System 0 是基於超過 1,000 小時人類動作數據訓練的全身控制器，以 1 kHz 頻率運行，取代了 109,504 行手寫 C++ 代碼[1][3]
• •Figure 02 機器人搭載雙 NVIDIA RTX GPU 模組，提供約 3 倍於 Figure 01 的設備端推理性能，能夠在 5 小時內連續運行，最大負載容量達 25 公斤[2]
• •Helix 02 透過單一神經網絡直接連接所有感測器（視覺、觸覺、本體感受），並以 200 Hz 頻率輸出全身關節目標，實現了從像素到扭矩的端到端控制，無需傳統的模組化系統拼接[1][4]
• •Figure 的艦隊學習架構允許對 Helix 神經網絡的任何改進都能無線推送至整個機器人艦隊，使每台機器人都能從整個艦隊的經驗中學習[3]
• •Helix 02 目前僅在執行器峰值速度的 20-25% 下運行，表明該硬體平台的性能上限仍有顯著提升空間[3]

🛠️ 技術深入

• •System 0（基礎層）：全身控制器，訓練數據來自 1,000+ 小時人類動作數據與模擬到現實強化學習，運行頻率 1 kHz，確保穩定且自然的動作[1][3]
• •System 1（反應層）：Transformer 架構的快速反應視覺運動策略，以 200 Hz 頻率運行，將 System 2 的語義表示轉換為精確的連續機器人動作[1][5]
• •System 2（語義層）：7B 參數的視覺語言模型（VLM），運行頻率 7-9 Hz，處理場景理解和語言理解，為 System 1 生成潛在目標[1][5]
• •感測器整合：六個 RGB 攝像頭、觸覺感測器和本體感受傳感器通過單一神經網絡直接連接至所有執行器[2][4]
• •計算架構：雙 NVIDIA RTX GPU 嵌入式模組，推理管道分割為 S2（高級潛在規劃）和 S1（低級控制），各自運行在專用 GPU 上[2][5]
• •控制空間：協調 35 自由度的動作空間，包括個別手指運動、末端執行器軌跡、頭部凝視和軀幹姿態，頻率 200 Hz[5]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線