踹了OpenAI后，Figure光速发布具身大模型Helix，能力前所未有、创多项第一

主要观点总结

Figure AI公司推出了名为Helix的通用具身智能模型，这是一个视觉-语言-动作（VLA）模型，可控制人形机器人的上半身，包括高速连续控制。Helix实现了多项突破，如全身控制、多机器人协作、物品抓取等。其关键优势在于速度与泛化能力、可扩展性、简洁性和关注点分离。模型主要由两个主要组件组成：S2，一个VLM骨干网络；S1，一个潜在条件视觉运动Transformer。训练期间使用高质量遥操作行为数据集和自然语言条件下的训练对。Helix在动作空间中实现了细粒度控制和高精度协调。此外，两台使用Helix的机器人可以成功协作处理全新物体，并展示零样本多机器人协同的能力。Helix的出现代表着机器人技术在家庭环境中的扩展轨迹发生了根本性变化。

关键观点总结

关键观点1: Helix是一个视觉-语言-动作模型，可控制人形机器人上半身。

Helix是首个能够通过自然语言直接控制整个人形机器人上半身的模型，具有高速连续控制能力。它实现了多项突破，包括全身控制、多机器人协作和物品抓取等。

关键观点2: Helix的关键优势在于其速度与泛化能力。

Helix在速度上与专门用于单一任务的行为克隆策略相当，同时能够零样本泛化到数千种新测试对象上。它使用标准架构，收集了大量高质量的数据进行训练，具有强大的物体泛化能力。

关键观点3: Helix具有高效的流式推理设计和并行部署能力。

Helix的训练设计可实现高效并行部署模型，每台机器人都配备了双低功耗嵌入式GPU。推理管道分为S2（高级隐规划）和S1（低级控制）模型，每个模型都在专用GPU上运行。

关键观点4: Helix展示了强大的多机器人协同和物品抓取能力。

两台使用Helix的机器人可以成功协作处理全新物体，并展示零样本多机器人协同的能力。此外，Helix还实现了拿起任何小型物体的能力，即使在非结构化环境中也能建立语言理解和精确机器人控制之间的联系。

关键观点5: Helix的训练效率很高，使用较少的数据实现了强大的性能。

Helix以极少的资源实现了强大的物体泛化。它总共使用了约500小时的高质量监督数据来训练，这种收集规模更接近现代单任务模仿学习数据集。