Helix 02 是 Figure 宣佈的全身人形人工智慧系統，支援持續移動和操作。 Figure 描述了一個層級結構，系統 2 負責解讀場景和目標，系統 1 將機載感應對映到全身關節目標，系統 0 執行快速平衡和接觸控制。
此次釋出作為公司展示具有重要意義，而非獨立證明一般人形機器人自主性。已釋出的影片和架構細節確認了 Figure 所說在展示條件下發生的情況。它們未披露完整失敗率、介入策略、訓練分佈、安全架構或第三方複製情況。
請結合 人形影片評估清單 和 機器人基礎模型指南使用本指南。除非經過獨立確認，否則將目前規格和指標視為過時的公司宣告。
Helix 02 將 Figure 的模型延伸到全身
Figure 2026 年 1 月 27 日釋出的 Helix 02 版本稱，該系統將學習控制從上半身操作擴充到行走、平衡、手臂、手和手指，統一為一個層級。該公司呈現了一個連續四分鐘的廚房任務，無需重置或人工介入。
該結果應被視為一個明確的示範。詢問任務是如何選擇的，發表執行前有多少試驗，哪些算作介入，以及失敗和恢復如何被廣泛分佈衡量。
系統 2 表示緩慢語意推論
Figure 描述 S2 是場景和語言層，產生語意潛在目標，如走向電器或攜帶物品。它不需要指定每一個腳步或關節軌跡。
這種分離使任務意圖在更慢的時間尺度下運作。證據問題包括指令覆蓋率、任務狀態記憶、歧義處理以及場景變化或請求物件缺失時的處理。
系統 1 將機載感測器對映到全身目標
Figure 說 S1 接收頭部和掌心攝影機、指尖觸覺感知和全身本體感覺，然後輸出整個機器人的關節目標。當頭部攝影機視角被遮擋時，掌心視覺和觸覺被呈現為有用。
感測器依賴性會產生校正、同步和故障問題。詢問效能是否因照明、觸覺漂移、汙染、物體新穎性或缺失模態而變化。統一的策略仍透過物理感測器和致動器運作。
| 層 | 已出版的角色 | 已公布的時間表 | 證據問題 |
|---|---|---|---|
| S2 | 場景、語言與語意目標 | 較慢的推論 | 任務覆蓋率與記憶體 |
| S1 | 感測器指向全身關節目標 | Figure 說 200 Hz | 泛化與延遲 |
| S0 | 平衡、接觸和致動器指令 | Figure 狀態為 1 kHz | 穩定性與轉移 |
| 機器人硬體 | 視覺、觸覺、本體感覺與致動器 | 物理環路 | 校正、極限與可靠性 |
系統 0 提供學習的全身運動先驗
Figure 表示， S0 是一個擁有 1000 萬參數的網路，訓練用於追蹤重新定位的人類運動，同時保持穩定性。公司報告稱，在超過 20 萬個並行環境中，已完成超過 1000 小時的人體運動和模擬訓練。
這些數字描述了 Figure 報告的訓練規模。它們並不能直接確定任務的可靠性、力量極限或安全性。人形機器人運動有助於協調，同時仍需機器人特有的動力學和防護。
層級涵蓋目標、關節目標和轉矩
S2、 S1 和 S0 在不同的時間尺度下工作，因此語意規劃無需致動器頻率。 Figure 將層描述為從畫素到轉矩緊密整合，而非手工設計的運動和操作狀態機。
學習出的層級結構可以減少顯式交接，但其內部耦合會使診斷變得複雜。工程師需要記錄從目標到感知透過關節目標、接觸、致動器反應和恢復的故障。
廚房展示測試了長時域的移動與操控
Figure 報告了在四分鐘內完成了 61 個移動和操作動作的序列，包括盤子操作、行走和不同身體部位的使用。公司描述這次執行是自主且無重置的。
有用的後續驗證資料括重複試驗計數、物品破損、介入分類法、時間分佈以及替代廚房或物品集。一次連續執行展示了整合性，但不具備車隊級可靠性。
靈巧的說法依賴於觸覺和手部視覺
Figure 展示了瓶蓋取下、藥丸處理、注射器移動及小金屬件的選擇。這些任務根據公司描述需要接觸調節、閉塞處理和多指協調。
評估具體物體分佈、力量精度、損傷和成功分母。展示中醫療外觀的物體不能證明醫療器械能力、臨床適用性或安全認證。
| 主張類型 | 已發表的證據 | 它支援的內容 | 未知之處 |
|---|---|---|---|
| 連續自主執行 | 展示的四分鐘任務 | 可以形成綜合行為 | 重複率與故障 |
| 全身策略 | S0-S1-S2 描述 | 架構說明 | 獨立複製 |
| 觸控靈活 | 精選小物件任務 | 感測器-策略能力 | 覆蓋率與校正漂移 |
| 模擬傳輸 | 已披露的 S0 訓練 | 開發方法 | 模擬—現實差距的邊界 |
| 工廠使用 | 公司部署更新 | 營運方向 | 完整的客戶指標 |
最新部署資訊補充了語境，但不能作為通用能力證明
Figure 2026 年 6 月 30 日寶馬更新 稱， Figure 03 搭載 Helix 02，執行製造物流流程，涉及零件操作和推車移動。這是比 1 月釋出時更新的證據。
更新仍為第一方公司報告。區分顯示的工作流程能力、報告先前生產貢獻及獨立審計的營運績效。為每項主張提供日期，因為機器人世代和產品策略變化迅速。
安全性和可靠性與模型架構是分開的
全身畫素到動作控制不披露操作中使用的獨立保護層、力限、停止功能或危害分析。這些對於人員、工具、易破壞物體和動態行走至關重要。
詢問感測器故障、網路丟失、墜落、關節限位和意外接觸是如何被控制的。高頻學習控制器可以在提升穩定性的同時，仍需在模型外具備安全級功能。
正確的評估能將建築與證據區分開來
記錄哪些事實來自 Figure，哪些在連續影片中可見，哪些是獨立復現的。用成功分母、介入、速度、物體變異、失敗、正常運作時間和服務來比較任務——而不僅僅是運動質量。
Helix 02 作為公開的全身學習架構和一系列公司展示具有重要意義。隨著客戶和第三方可重複證據的出現，其更廣泛的意義應予以更新。
評估“Figure Helix 02： S0、 S1 和 S2 全身人形機器人控制解析”時，還應儲存模型版本、機器人設定、校正檔案、測試日期和全部試驗記錄。
只有把這些持續投入與單位成功任務的價值比較，才能判斷方案是否適合擴大。
上線後仍要持續檢查分佈變化、感測器漂移、機械磨損和人工接管原因。
實際專案還應指定資料、模型、控制器和安全流程的負責人，並預先定義回復條件。責任邊界、審批記錄與變更紀錄越清楚，故障發生後越容易停止擴散、定位原因並安全恢復。
把任務拆成感知、決策、動作執行和結果確認，可以更準確地定位瓶頸。每一階段都應有獨立指標與失敗示例，避免用端對端成功率掩蓋偶發但嚴重的風險。
- 為每一家公司提供日期和歸屬。
- S2 目標、 S1 目標和 S0 控制分開。
- 檢查連續影片是否有重置和介入。
- 請求分母、失敗和任務差異。
- 將安全和車隊可靠性視為獨立的證據層。
常見問題
什麼是 Figure 螺旋 02？
這是 Figure 宣佈的學習控制層級，用於全體人形機器人運動和操作，結合語意層、視覺運動層和快速穩定層。
S0、 S1 和 S2 是什麼意思？
Figure 將 S2 描述為語意推論， S1 為從機載感測器到全身關節的目標， S0 則是快速平衡、接觸和致動器控制。
那段四分鐘的廚房影片有獨立驗證嗎？
這是第一方 Figure 展示。公開發布宣告稱其為自主檢測，沒有重置或介入，但獨立複製和完整試驗統計資料並未公開。
Helix 02 使用觸覺感應嗎？
Figure 表示，Figure 03 的指尖觸覺感測器和掌上攝影機為 S1 提供接觸感知和重遮擋操作。
Helix 02 是否證明了通用人形機器人自主性？
不。它為展示的任務和報告架構提供了證據。總體可靠性需要更廣泛的重複、客戶和獨立證據。
公司宣告與證據說明
本文中關於 Helix 02 的細節和指標均歸於 Figure2026 年 1 月和 6 月的出版物，並於 2026 年 7 月 29 日確認。除非另有說明，否則均為公司主張；產品、部署和證據可能會有所變化。