芝能科技出品

Figure 推出的 Helix 系統正通過將“視覺-語言-動作”模型與先進的控制策略相融合，加速人形機器人在物流行業中的部署與擴展。

Helix 的核心技術體系，圍繞立體視覺、多尺度表征、自我校準與高效運動規劃，在動態、高復雜度的現實任務中展現了類人水平的適應性與操作能力。

借助優化的數據利用方法與跨機器人遷移能力，Helix 打破了傳統機器人對硬件一致性和大量訓練數據的依賴，為未來具身智能的可規�；�落地奠定了基礎。

01

Helix的核心感知與控制系統設計：

融合類人認知與工業效率

Helix 的基礎架構圍繞“視覺-語言-動作”（VLA）模型構建，在此架構下，機器人的感知、理解與執行行為成為連續的閉環。

其核心子系統 System 1（S1）可被視作機器人“低層神經網絡”，承擔實時感知與動作生成。S1 的最新迭代將多個關鍵技術融合進系統中，包括隱式立體視覺、多尺度視覺處理、本體感知學習與運動模式生成。

● 隱式立體視覺，精準三維環境重建：傳統機器人感知系統常基于單目圖像或顯式雙目立體視覺，但前者難以獲取深度信息，后者則對硬件標定依賴極高。

Helix 所采用的隱式立體視覺技術，通過融合多個時序圖像幀與傳感器反饋，實現無需外部校準的三維空間理解能力。這一機制不僅提升了深度估計精度，也顯著提高了對非標準形狀（如軟包裝袋、變形郵袋）的處理可靠性。

● 多尺度視覺表征：兼顧局部細節與全局場景：Helix 能在處理物流任務中同時感知細小的局部特征（如條形碼標簽的旋轉方向）與環境級信息（如傳送帶的全局路徑與速度），依托的是多尺度視覺處理網絡。

該網絡將不同分辨率的圖像特征進行融合，使模型能夠精準理解操作對象在場景中的幾何與語義屬性。

● 學習型視覺本體感覺，機器人之間的自適應遷移：在多機器人部署中，機械臂微小的裝配偏差或傳感器位置的差異可能引發系統級誤差。

Helix 在每個機器人中嵌入視覺驅動的本體感知模塊，使其能在運行時不斷調整感知與動作策略以適應個體差異。

具體而言，系統利用視覺反饋不斷重建自身關節空間與運動結果之間的映射關系，并動態優化控制策略，從而實現設備級別的在線自校準。

● 高速運動模式：壓縮執行時間不犧牲精度：傳統的模仿學習常通過將人類動作軌跡離散化執行以換取穩定性。但 Helix 引入了“運動模式重采樣”技術，使機器人可以在保持軌跡形狀不變的情況下大幅度提高執行速度。

通過對軌跡中低風險區域進行時間壓縮，系統平均執行效率可提升 50%，尤其適用于高速、高通量的包裹分揀作業。

Helix 的感知與控制系統融合了機器視覺中的空間建模、多分辨率特征提取與嵌入式本體學習，實現了動態環境下對操作對象的快速理解與高效動作生成，為物流行業中典型的“非結構化、多變物體處理”任務提供了技術基礎。

02

從數據到部署：

Helix如何實現低數據依賴

與跨設備可擴展性

工業級人工智能系統面臨的兩個關鍵挑戰，一是訓練數據質量與效率，二是訓練成果在不同硬件平臺間的泛化能力。Helix 在這兩方面均進行了系統性的工程優化，進一步推動其在人形機器人上的實際部署。

● 精選數據訓練策略，8小時演示可達專家級性能：Helix 放棄了對海量低質量示例的依賴，轉向精細策劃的高質量人類演示。

這種示范數據以“成功執行、高效路徑、動作穩定”為篩選標準，并融入失敗案例的對比學習機制，使得模型不僅學會“怎么做”，也能理解“什么是最優”。

通過這種策略，Helix 僅用 8 小時的人類演示數據，便能達到包裹處理任務中專家級的靈活性與決策水平。

● 從最優軌跡中提取泛化策略：為了適應現實中包裹尺寸、形狀、材質的變化，Helix 的訓練策略重點不是覆蓋所有可能組合，而是提取能泛化的操作原理。

例如，它學習如何基于邊緣輪廓和表面材質預測抓取點，而非僅記憶特定對象的抓取動作。這種方法大幅提高了系統對新場景、新對象的適應能力。

● 跨機器人遷移，視覺驅動的策略映射機制：由于各機器人之間在硬件組件上的微差異往往影響控制策略，傳統方案需要針對每臺設備單獨調試。

Helix 引入的視覺本體感知機制能夠感知并修正各機器人之間的剛體誤差、傳感器對準偏差與響應時延。該機制通過少量環境交互樣本，在數分鐘內即可實現策略遷移。

● 面向車隊部署的架構優化：在物流中心部署十臺、甚至上百臺機器人時，系統穩定性和一致性要求極高。

Helix 的軟硬件協同框架支持統一版本管理、策略同步與遠程更新，結合本地自我校準功能，確保不同機器人在高強度運行下維持一致性能。

Helix 通過數據驅動策略設計與系統級結構調整，使人形機器人具備“少量訓練-高效執行-跨設備泛化”的能力，突破了傳統機器人系統在部署與維護成本上的限制，朝向工業級可擴展自動化邁出關鍵一步。

小結

在傳統機器人多依賴結構化環境與重復性任務的背景下，Helix 以高維感知、動態控制與跨設備泛化能力，率先解決了現實物流場景中的“復雜物體+動態操作”難題。其所構建的技術體系，真正讓人形機器人擁有了在工業環境中“像人一樣工作”的能力。

Helix 通過其在數據效率、設備適配和執行速度上的突破，為未來人形機器人在制造、護理、服務等更多領域的落地提供了參考。 

       原文標題 : Helix系統：感知和動作控制技術將推動人形機器人落地物流場景