Figure机器人进陌生家庭做家务，成功率56%背后有何玄机

在宝马工厂完成搬运零件的任务后，Figure的人形机器人又被带进了普通家庭。这次等待它们的是散乱的玩具、待折叠的毛巾和需要整理的床铺。这些看似寻常的日常琐事，比工业产线上的固定工位更考验机器人的泛化能力。

Figure近日发布Helix 2.5，公布了机器人在30个陌生家庭执行三类家务的测试结果：完整任务成功率达到56%。这个成绩距离让人完全放手还有差距，但在没有针对特定家庭预先采集训练数据的“零样本”前提下，这已是具身智能领域一次值得关注的跨越。

换个陌生环境，机器人还会干活吗？

传统的机器人演示常让外界产生疑问：动作看似流畅，背后究竟依赖多少人工设定的先决条件？桌椅摆放位置是否固定？物体形状是否提前训练过？一旦换一种毛巾或换一张床，原有程序是否就会失效？

Figure此次直接将“泛化迁移”设为核心考核指标。测试中的所谓零样本，是指机器人此前学过叠毛巾、收拾玩具等动作逻辑，但从未在测试房屋中提前采集数据或微调参数。评估标准也十分严苛：只有全流程自主完成才算成功，凡因安全问题导致人工介入的一律记为失败。在对照实验中，经过Index预训练的模型将成功率从9%拉升至56%。

这一测试直击人形机器人商业落地的最大痛点：交付与部署成本。家用电器买回家即插即用，但如果买一台人形机器人还需要工程师上门采集户型数据、逐户微调模型，甚至家具挪动后还要重新训练，其商业化扩展就会受阻。硬件制造成本会随量产下降，逐户适配的人力成本却很难压缩。解决“非结构化环境自适应”问题，直接决定了机器人未来能卖出多少台。

从50人初创团队到390亿美元估值

成立于2022年的Figure发展极快。创始人Brett Adcock曾创办飞行器公司Archer，具备软硬件整合经验。2023年3月Figure正式亮相时，团队由来自波士顿动力、特斯拉和苹果等公司的50多位工程师组成；同年完成Figure 01原型的集成与测试。

起初，Figure采取了务实的渐进路线：优先进入制造、物流和仓储等规则明确的结构化环境，家庭场景则放在远期规划中。2024年，Figure完成6.75亿美元B轮融资，投资方包括微软、NVIDIA和OpenAI，并与OpenAI达成深度合作。

合作很快在工业端见效。在宝马斯帕坦堡工厂的测试中，Figure 02累计运行约1250小时，搬运超过9万个零件，验证了产线可用性。资本市场随之给出了极高溢价。2025年Figure完成超过10亿美元C轮融资，估值飙升至390亿美元。要撑起如此庞大的估值，仅靠几个汽车工厂订单显然不够，Figure必须向市场证明其底层能力能够横向扩展到空间更广阔的家庭消费级市场。

与OpenAI分手，走全栈自研重资产路线

2025年成为Figure技术路线的关键转折点。公司宣布终止与OpenAI的技术合作，全面转向自研具身智能模型。

对于人形机器人而言，多模态大模型的语言理解只是第一步。当机器人听到“把杯子拿过来”时，理解语义并不难；但在伸手机械臂抓取时，杯子被遮挡如何避障、手指握力如何动态调整、机身如何平衡，都需要实时底层控制系统来闭环。Figure随后推出统一视觉、语言与动作的Helix架构，并在Helix 02中将自适应学习扩展至全身控制。

硬件层面，Figure 03加入了掌心摄像头与指尖触觉传感器，解决了手部伸入暗处抓取盲区和受力感知的难题。数据层面，Figure推出了Index项目，累计斥资数千万美元征集了超1600万段人类日常操作视频，试图将真实人类行为经验转化为机器人的运动控制模型。

自研模型、组织数据采集、定制精密传感加上自建生产线，Figure将所有关键环节揽入自身体系。这种重资产布局能带来软硬件深层协同的优势，但也对现金流和工程落地速度提出了更严苛的要求。

具身智能的真正考验还在后头

在人形机器人赛道，特斯拉Optimus是Figure绕不开的对手。相比Figure，特斯拉拥有庞大的规模化制造积淀、成熟的供应链管理体系，以及可供自研机器人反复试错的超级工厂。

但造车数据无法直接教会机械手叠被子，汽车工业的成熟也不能替代灵巧操作的工程难题。Figure与特斯拉面临相似的阶段性课题：都需要先生产数百台机器人用于自身系统的研发和数据收集，制造产能何时能真正转化为客户实购订单，依然需要现实业务的检验。

在家庭场景中，用户的核心诉求是“省心”。机器人动作稍慢可以容忍，但如果每次运行都需要人在一旁监护，抓空后无法自主纠错、卡壳后需要频繁远程接管，机器人的价值就会大打折扣。56%的陌生环境成功率是一个扎实的技术起点，但在用户能真正放手把家务交给它之前，具身智能依然需要漫长的可靠性长跑。