Figure 发布 Helix 2.5，机器人在 30 个未采集过数据的湾区家庭中零样本完成整理客厅、叠毛巾、铺床三项全身长时程任务。对照实验显示，在架构、超参与下游数据固定的前提下，仅 Index 预训练就将零样本成功率从 9% 提升到 56%；相比 Helix 02，Helix 2.5 用一半的任务数据达到同等成功率。
推荐理由：原文给出 Index 预训练与从零训练的对照实验，9% 到 56% 的差距可帮助判断人类数据预训练对零样本泛化的实际贡献。
Figure 宣布 Project Go-Big 与 Helix 的两项进展，包括互联网级人形机器人预训练数据集，以及仅用第一人称人类视频训练后实现零样本人类到机器人的导航迁移。
推荐理由：原文给出用纯第一人称人类视频训练 Helix 实现零样本导航迁移的做法，可作为跨本体数据路线的参考。
Figure AI 公布 Helix 在物流分拣场景的最新进展，包裹处理时间降至约 4.05 秒，条码朝向成功率提升到约 95%，并能处理 poly bag、平信封等可变形包裹。
推荐理由：原文给出 10 到 60 小时演示数据与各模块消融的量化结果，可用来判断数据规模与架构改动各自的收益。
Figure 公布了纯仿真训练的端到端强化学习步行控制器，让 Figure 02 人形机器人以类人步态行走，策略零样本迁移到真机无需微调。训练在 GPU 加速物理仿真中并行运行数千台参数各异的 Figure 02，几小时内积累数年仿真数据，覆盖多种地形、执行器动态变化以及绊倒、打滑和推搡等扰动。
推荐理由：原文给出了用人类步行参考轨迹做奖励先验、再以 kHz 力矩闭环补偿执行器建模误差的做法，可迁移到其他双足训练。