Figure 公司近日展示了其人形机器人 Figure 02 的一项功能突破：全自主折叠衣物。
这款机器人所使用的，是与先前在物流领域工作的机器人完全相同的 Helix 模型。
它的底层架构和超参数都未作任何修改，成功的秘诀仅仅是注入了全新的数据。
当灵巧双手遇上柔软织物
对于机器人而言，折叠衣物是一项极其艰巨的挑战。因为它需要处理形态不定的可变形物体。
织物会产生自我遮挡，机器人必须持续不断地重新抓取，这极其依赖精细、实时的触觉反馈。这些难题，让传统的刚性物体模型完全失效。
这背后是著名的莫拉维克悖论：
“机器人能轻松完成精确计算的杂技，却在爬楼梯、做家务等简单任务上举步维艰。
因为真实家庭环境需要的，是复杂的感知能力和灵巧的双手，而这比抽象推理更难实现。
这次的成果恰好印证了此悖论。毛巾随时变形，抓握点不断移动，任何微小的失误都可能前功尽弃。机器人需要极致的指尖控制力，才能实时追踪边缘、捏合角落、抚平织物。
Figure 的 Helix 模型是一个视觉语言动作模型，它将摄像头图像和人类指令，直接转化为机器人的具体动作。
它以端到端的方式运行，不依赖任何物体级别的几何模型。因此，它能直接从真实案例中学习，而不是依赖死板的布料模型。
凭借全新的数据集，原本只会搬箱子的神经网络，现在学会了从一堆衣物中精准拾取、动态调整策略、从失误中恢复、理顺边缘并最终完成折叠。
这正是在同一个人形机器人上实现的「纯数据驱动式」的能力迁移。
通向家用机器人的路径
在我看来，莫拉维克悖论的本质依然成立。人类拥有数百万年演化出的、连接着高速感知和指尖控制的神经网络，机器人则没有。
但我们必须看到，这一差距正在快速缩小。
端到端的策略，加上大量真实世界的轨迹数据，正在为机器人处理可变形物体、应对杂乱场景和执行恢复操作的可靠性奠定基础。
这与谷歌 DeepMind 的 RT-2 等前沿模型所遵循的思路一致：将视觉和语言直接映射为行动，让控制器去内化那些传统编程逻辑难以描述的复杂细节。
早年在伯克利大学的折叠机器人，处理一件衣物需要数分钟，这作为技术演示尚可，却远不具备实用价值。
如今，Figure 的成就揭示了一条新路径：将机器人的灵巧性，视为一个可以通过数据解决的学习问题，而非一个需要手动设计的工程难题。
未来的障碍主要在于提升速度、覆盖更多边缘场景，以及在不同面表和环境下保持稳定的成功率。
这些都需要更多的数据、更灵敏的触觉反馈和更低延迟的控制系统来解决。这需要的是稳步的工程推进，而非魔法般的奇迹。
此外，Figure 机器人也在不断扩展其与人类的自然交互能力。Helix 模型已学会在与人互动时，保持自然的眼神接触、进行目光交流，并使用习得的手势。
参考资料：https://x.com/Figure_robot/status/1955290971660251220
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
