从简单的独立行走到精准的前后空翻，从经过反复训练才能抓取物品到无须训练就能听从指令处理家务……人形机器人的“进化”速度令人惊讶。最近，硅谷机器人创新公司Figure AI的最新大模型Helix亮相，业内有观点认为，Helix的能力“前所未有”，让机器人能够像人一样思考与行动。Figure AI这次发布究竟有哪些重大突破？它会是现阶段人形机器人的主流发展方向吗？中外人形机器人具有哪些不同的发力方向？《环球时报》记者对此进行了采访和调查。
Figure AI公司两个共用“大脑”的机器人配合完成一系列复杂任务
这个刷屏的美国机器人有啥绝活
在Figure AI公布的一段近3分钟视频里，两台Figure人形机器人按照工作人员的指令，配合默契地将一堆食物与杂货放入冰箱等相应的位置。
美国机器人网站The Robot Report提到，视频中有几个值得注意的要点，例如两个机器人并不进行语言交流，但它们在互动过程中会有明显的停顿，它们盯着对方，似乎是一种不可思议的“心灵感应”。
按照Figure AI公司的说法，两台机器人共用一个大模型“大脑”，协作完成复杂任务，这在行业内是首例。此外，Helix还创造了其他多项“第一”：它是全球首个能够对整个人形机器人上半身进行高频率、连续控制的视觉-语言-动作（VLA）模型；它仅需接收自然语言指令，就能拾取几乎任何小型家用物品，包括数千种它从未见过的物品。这些体现了人形机器人的“泛化”能力。
“Helix最大的突破在于它是一个‘通用’的视觉-语言-动作（VLA）模型。这意味着它将机器人的视觉感知、自然语言理解和动作控制整合到了一个统一的框架中，这就是有点奔着端到端具身智能大模型方向去了�！币晃蝗斯ぶ悄茏腋嫠摺痘非蚴北ā芳钦撸车幕魅讼低惩攵蕴囟ㄈ挝窠猩杓疲枰罅康谋喑坦ぷ�，难以适应新的环境和任务。而Helix模型则具备更强的泛化能力，能够理解自然语言指令，并处理之前从未见过的任务，这大大减少了对特定任务演示或大量手动编程的需求。
《环球时报》记者在调查和采访中了解到，Helix模型目前还存在一些短板。首先，Helix目前主要应用于Figure机器人的上半身控制，包括手腕、头部、手指甚至躯干。这意味着，对于下半身的控制，比如行走、奔跑等，可能还需要进一步研发和完善。其次，尽管Helix在数据利用效率上表现出色，但其训练所用的数据量仍然相对较少，这可能会影响它在处理更复杂、更多样化任务时的表现。
代表未来发展方向吗
值得关注的是，大模型与人形机器人的融合日益加深。Helix模型不仅让机器人能够“看懂”“听懂”，更重要的是，能够让机器人根据所见所闻，做出相应的行动。这打破了以往机器人技术中感知、理解和行动之间的壁垒，实现了更高层次的智能化。有专家告诉记者，Helix模型可以被视为人形机器人发展历程中的一个重要节点，是数字化的AI模型与物理世界的真实交互，是一种“虚实融合”。
《环球时报》记者在采访中了解到，从Helix的架构来看，它与最近一篇发表在2024年机器人学习大会（CoRL）上的论文“非常相似”。
“Figure AI认可了这条路线并成功移植到实体机器人上。Helix的出现证明了‘具身智能’方向的迭代速度越来越快，许多最新提出的技术路线能迅速落地到真实机器人身上。不过，目前我们依然处在技术爬坡阶段，量产仍是具身智能机器人领域面临的最大挑战�！鄙钲谑腥斯ぶ悄苡牖魅搜芯吭壕呱碇悄苤行闹魅瘟跎偕蕉浴痘非蚴北ā芳钦弑硎尽�
业内普遍认为，“端到端”具身智能大模型是人形机器人发展的重要方向之一。即希望机器人能够像人一样，直接根据眼睛看到的、耳朵听到的信息，做出相应的反应，然后去执行任务。
“像Helix这样的通用型VLA（视觉-语言-动作）模型，很可能代表了人形机器人大模型的一种主流发展方向。从目前的技术趋势来看，人形机器人需要的大模型，不仅仅是‘大’，更重要的是‘通’（指的是模型的通用性和泛化能力）和‘精’（模型的高效性和精确性）。”专家说。
不过，“端到端”具身智能大模型并非是人形机器人发展的唯一目标，也不是现阶段的全部。业界还存在另一种技术路线，即基于LLM（大语言模型）或VLM（视觉-语言模型）的分层大模型。此方案难度低一些，一般将任务分解为感知、决策、执行等多个�？�，每个�？榭梢允褂貌煌哪Ｐ屠词迪�，更易于快速落地和迭代。一些行业内的头部企业，都采用了这种方案。
刘少山表示，与聊天式大模型相比，具身智能大模型更需要的是强大的“学习能力”——它必须能在陌生环境中，通过与环境的交互不断学习和进化。当前大模型大多是从海量数据中提取知识，而具身智能则强调“学习如何学习”，而非简单记忆已有的知识。只有具备这类元学习、上下文强化学习等理论基础，才能真正实现通用智能。虽然这类研究方向提供了思路，但还需要时间来发展和完善。
国内外机器人各有侧重
全球人形机器人的技术竞赛正在升温，新技术亮相越来越密集。近日，国产“天工”机器人成为全球首例可在室外连续攀爬多级阶梯的人形机器人�！疤旃ぁ笔迪至嘶谑泳醯母兄凶�，可实现无磕碰、不踩棱、不踏空地跨越连续多级楼梯和35厘米大高差台阶，奔跑时速提高至12公里，并且能在雪地进行高速奔跑。深圳一家机器人公司的产品则完成了全球首例人形机器人“前空翻”特技。
“与Figure的最新机器人技术相比，国内的机器人是在不同领域各有侧重�！币晃蝗斯ぶ悄茏腋嫠摺痘非蚴北ā芳钦�，国内机器人公司在运动控制方面取得了显著成果，例如跳舞、空翻等。这些机器人可能在部分处理复杂任务，特别是涉及与环境的深度交互、理解自然语言指令等方面，与Figure相比可能有一定差距。
何时能像人一样思考
在Helix的加持下，人形机器人能够直接理解自然语言、解析视觉信息，并执行相应动作。有科技媒体评论称，Helix让机器人像人一样思考和行动。Figure AI首席执行官宣称，“Helix的思维方式类似于人类�！绷跎偕饺衔�，“目前仍处于行业的早期阶段，要让人形机器人真正具备与人类相似的思维能力，还有很长的路要走。即便最先进的大模型，在几乎无限算力的支持下，与人类的思维方式和水平依然存在显著差距�！�
另一位专家称，综合国内外多篇论文来看，目前最先进的大模型应该定性于“初始AGI（通用人工智能）”阶段，虽然能力很强，但仍局限于特定领域，比如做题目等，无法在所有通用任务中始终超越人类。要实现真正像人一样思考，人形机器人需要实现通用人工智能（AGI）乃至超级人工智能（ASI）。这就得包括更先进的算法、更强大的计算能力、更完善的感知系统，以及对人类大脑工作机制的更深入理解。“这是一个长期、渐进的过程，可能需要十几年、几十年甚至更长时间�！�
“大家都是在黑暗中摸索，你现在走的路线看似取得了一定成果，最后这个路线就一定能走得通吗？这个问题没有人能够给出答案。”上述不具名专家告诉《环球时报》记者，发展未来产业的精神，就是在不确定性中寻找最大的确定性。阶段性的成果也能够形成较好的规模应用，造福社会，赋能产业�！拔颐且豢急甲胖占勘�，哪怕遭遇挫折，有部分技术转化为成果也可以，并不强求非得造出一个全知全能的AGI。”
专家在受访时还提到，未来人形机器人可能会出现新的形态。一方面，机器人不必非得是人形，“实际上人形态并不是专业场景下最好的选择，有时候轮式甚至机械臂工作效果更好、性价比更高。”另一方面，人形机器人可能会呈现虚拟形态，类似更智能、更完善的数字人�！袄嗨朴诘缬啊读骼说厍�2》中的MOSS系统，也有一定的可能，但这些距离现实还相当遥远�！�
