Figure 发布第三代人形机器人 Figure 03
Figure 正式发布第三代人形机器人 Figure 03,旨在打造通用型机器人以服务于家庭与大规模商业场景。硬件层面,该机型配备全新设计的感官套件和手部系统,支持 Helix 视觉语言动作 AI;相机架构帧率翻倍、延迟降低四分之一且视场角扩大 60%,手掌集成嵌入式广角低延迟相机以实现遮挡下的持续感知。
推荐理由:Figure 03 发布新一代硬件与 Helix AI,通过高帧率视觉、嵌入式手掌相机及自研触觉传感器提升感知与控制能力。
内容形态
机器人基础模型、世界模型和视觉模型的新版本、权重及可用范围。
173 条精选近 30 天 58 条共收录 347 条
Figure 正式发布第三代人形机器人 Figure 03,旨在打造通用型机器人以服务于家庭与大规模商业场景。硬件层面,该机型配备全新设计的感官套件和手部系统,支持 Helix 视觉语言动作 AI;相机架构帧率翻倍、延迟降低四分之一且视场角扩大 60%,手掌集成嵌入式广角低延迟相机以实现遮挡下的持续感知。
推荐理由:Figure 03 发布新一代硬件与 Helix AI,通过高帧率视觉、嵌入式手掌相机及自研触觉传感器提升感知与控制能力。
Generalist 展示了其模型在单样本组装任务中的能力,能够观察人类构建的小型结构并复制它。该模型实现了从像素输入到每秒 100 次动作输出的端到端控制,无需特定工程或自定义指令。测试仅在四色、三块 2x4 乐高积木的 99,840 种组合上验证了泛化边界,体现了对物理力的精细理解与序列推理能力。
推荐理由:Generalist 展示首个端到端视觉运动控制搭建乐高积木的能力,验证了从像素到高频动作的泛化潜力。
Figure 宣布 Helix VLA 模型完成基于 Brookfield 海量人类视频的预训练,实现从人类视频到机器人导航的零样本直接迁移。该模型仅使用第一人称视角的人类视频进行训练,无需任何机器人演示即可让机器人理解自然语言指令并在杂乱环境中自主导航。Helix 统一网络同时输出灵巧操作与导航指令,标志着具身智能领域在数据规模与跨模态转移上的重大突破。
推荐理由:Figure 宣布 Helix VLA 模型完成基于 Brookfield 海量人类视频的预训练,实现从人类视频到机器人导航的零样本直接迁移。
World Labs 发布 Marble 模型预览版,支持通过图像或文本提示生成长时间无限制、几何一致且风格多样的 3D 世界。该模型专注于构建大型环境而非孤立物体,并开放开源渲染库 Spark 以集成 Gaussian splats 到 Three.js,支持在桌面和 VR 设备上高效运行。
推荐理由:World Labs 推出 Marble 模型,支持生成持久、可导航且风格一致的 3D 世界,并提供开源渲染库 Spark。
Figure 发布了其视觉语言动作(VLA)模型 Helix,展示了该模型仅需新增数据即可适应从折叠衣物到装载洗碗机的不同现实挑战。Helix 能够处理分离堆叠盘子、单手抓取玻璃杯并配合另一只手调整姿态等复杂操作,且无需特殊工程定制或新算法,体现了通用架构的可扩展学习能力。
推荐理由:Figure 展示了其 VLA 模型 Helix 在无需新算法的情况下,仅凭新数据即可掌握洗碗机装载等全新任务。
Figure 的视觉语言动作(VLA)模型 Helix 展示了在物流场景下完全自主的包裹重定向能力后,现将其应用于更具挑战性的衣物折叠任务。这是人形机器人首次利用多指手实现端到端神经网络驱动的完全自主折叠。Helix 沿用解决物流任务的同一架构与超参数,仅通过更换数据集即可适应毛巾等可变形的物体,无需显式构建物体级表示。此外,模型还学会了与人保持眼神接触、引导视线及做出手势。
推荐理由:Figure 开源 Helix VLA 架构,首次实现人形机器人端到端自主折叠衣物,验证了同一模型从物流到家务任务的泛化能力。
Skild AI 发布 Skild Brain 的低层控制能力更新,该模型完全由在线视觉和本体感知驱动,直接从原始图像和关节反馈输出底层电机指令。无需预规划、建图或手动切换行为,机器人即可在从未见过的环境中(如城市公园、街道、消防梯)无缝行走、爬楼梯和跨越障碍。
推荐理由:Skild AI 发布 Skild Brain 低层控制模块,实现仅凭在线视觉与本体感知的端到端移动,无需预规划即可跨越障碍。
Generalist 分享其通用机器人部署的早期成果,展示了由端到端深度神经网络控制的实时自主操控能力。模型在多种机械臂(如 Flexiv Rizon 4、UR5)和环境中实现了精细操作、双手动作及跨场景泛化。演示任务包括分拣紧固件、折叠盒子并收纳链条、将螺丝倒回玻璃罐以及拆解乐高积木,验证了系统在复杂物理交互中的鲁棒性与精确性。
推荐理由:Generalist 展示端到端神经网络的实时自主操控能力,涵盖精细控制、双手动作及跨机械臂泛化。
Figure 宣布其 Helix 人形机器人系统在物流场景下性能显著提升,处理速度从约 5.0 秒降至 4.05 秒/件,条码扫描成功率达 95%。系统新增短期视觉记忆模块以消除冗余动作,整合状态历史与力反馈输入以提升控制鲁棒性,并能自适应处理软包、信封等变形物体。通过增加演示数据量及架构优化,Helix 已接近人类操作水平,且可通过少量演示快速适应如人机交接等新任务。
推荐理由:Figure 宣布 Helix 物流系统性能跃升,通过视觉记忆、状态历史与力反馈等架构改进及数据扩展,实现接近人类水平的速度与精度。
Hugging Face 团队发布 SmolVLA-450M,这是一个可在消费级硬件运行的开源视觉语言动作(VLA)模型。该模型仅使用 LeRobot 社区共享的公开数据集进行预训练,在仿真和真实世界任务中表现优于大型专有模型及 ACT 等基线。架构采用流匹配 Transformer 与异步推理栈,支持 CPU 运行或单卡训练,显著降低研究门槛。
推荐理由:SmolVLA 是首个基于社区数据训练的紧凑型 VLA 模型,在消费级硬件上实现异步推理与高性能。
Figure 正式介绍其端到端神经网络控制器,该模型利用强化学习在仿真中训练 Figure 02 人形机器人进行类人步行。通过在仿真中结合域随机化与高频力矩反馈,策略实现零样本迁移至真实硬件,无需额外微调即可在整支机队上重复运行。材料展示了仿真加速开发周期并支持快速迭代的能力,但未报告真实场景的部署结果或具体性能指标。
推荐理由:Figure 02 机器人推出纯强化学习训练的自然行走控制器,通过高保真仿真与域随机化实现零样本迁移至真实硬件。
Hugging Face 与 Yaak 合作发布 Learning to Drive (L2D),这是全球最大的开源自动驾驶数据集,包含德国 30 个城市、60 辆电动车在 3 年内采集的 5000+ 小时多模态数据(90+ TB)。
推荐理由:Yaak 与 LeRobot 合作推出全球最大开源自动驾驶数据集 L2D,包含德国 30 城 5000+ 小时多模态数据及专家/学员双策略。
NVIDIA 发布 Isaac Lab 2.0.0 和 Isaac Sim 4.5,新增 MimicGen 模仿学习扩展以自动生成轨迹、AMP 人形机器人任务(行走/跑步/舞蹈)以及 Franka 堆叠环境。
推荐理由:Isaac Lab 2.0 新增 MimicGen 模仿学习扩展与 AMP 任务,并重构 Isaac Sim 4.5 接口以支持多相机渲染与更高性能。