Figure 宣布与 Brookfield 达成战略合作,共建 Helix 预训练数据集
Figure 宣布与资产管理规模超 $1 trillion 的 Brookfield 达成战略合作,Brookfield 将帮助 Figure 构建全球最大、最多样的真实世界人形机器人预训练数据集,并参与其 Series C 融资。
推荐理由:合作把 Brookfield 的住宅与商业物业变成 Helix 的真实环境数据采集场,可看出人形机器人训练数据的获取路径。
技术方向
AI 走进物理世界的整体进展:整机和基础模型、真实环境部署、量产节点与产业格局的追踪。
253 条精选近 30 天 197 条共收录 958 条
Figure 宣布与资产管理规模超 $1 trillion 的 Brookfield 达成战略合作,Brookfield 将帮助 Figure 构建全球最大、最多样的真实世界人形机器人预训练数据集,并参与其 Series C 融资。
推荐理由:合作把 Brookfield 的住宅与商业物业变成 Helix 的真实环境数据采集场,可看出人形机器人训练数据的获取路径。
Figure 宣布 C 轮融资承诺资本超过 10 亿美元,投后估值 390 亿美元,由 Parkway Venture Capital 领投,Brookfield Asset Management、NVIDIA、Intel Capital、Qualcomm Ventures 等参投。
推荐理由:原文列出 Parkway Venture Capital 领投及 NVIDIA、Qualcomm Ventures 等参与方,可用于观察人形机器人赛道的资金流向。
Figure 的 VLA 模型 Helix 在折叠衣物、分拣包裹之后,又学会了装载洗碗机,全程没有新算法和专门工程,只补充了新数据。Helix 能把堆叠的盘子逐一分离并按顺序放入,用一只手拿起玻璃杯、调整姿态后由另一只手小心放置,还能应对杂乱的初始摆放,并从误抓或碰撞中恢复。Figure 表示这说明同一套通用架构可以覆盖差异很大的日常任务,是向可扩展的通用人形智能再进一步。
推荐理由:同一套 Helix 模型仅靠新增数据就学会装洗碗机,可看出通用架构跨任务复用的落地路径。
逐际动力发布具身智能训练新范式 LimX DreamActor,将 Real2Sim2Real、模仿学习与真机强化学习结合,用于提升具身模型训练与部署的效率和稳定性。
推荐理由:原文给出了从消费级相机采集、三维重建到仿真预训练与真机强化学习后训练的完整流程,可作为具身智能训练管线的参考。
逐际动力在 2025 世界机器人大会展示 165cm 全尺寸人形机器人 LimX Oli 与 TRON 1 系列,覆盖本体硬件、控制算法到多元操作的全链路技术。
推荐理由:原文把 LimX Oli 与 TRON 1 的现场演示串成从本体、控制到遥操作数据的完整链条,可作为理解具身智能工程化路径的参照。
Figure 的 VLA 模型 Helix 展示了人形机器人用多指手端到端自主叠毛巾,官方称这是人形机器人首次以端到端神经网络完成该任务。同一套 Helix 架构此前用于物流包裹翻转任务,此次未修改模型与训练超参数,仅新增数据集即迁移到叠毛巾。
推荐理由:同一套 Helix 架构不改模型与超参数、只换数据集就从物流任务迁移到叠毛巾,展示了跨任务泛化的可迁移做法。
逐际动力正式发布全尺寸通用人形机器人 LimX Oli,售价 15.8 万元起,即日起开放预订。LimX Oli 身高 165cm,拥有 31 个机身主动自由度(不含末端执行器),提供 Lite、EDU、Super 三个版本,面向 AI 科研人员、机器人开发者与系统集成商。
推荐理由:原文给出165cm、31个自由度、三个版本和15.8万元起售价,可据此评估该平台是否适合研发选型。
Dexterity 与 Sanmina 达成战略制造合作,以扩大 Mech 工业超人形机器人量产。Mech 为双臂 AI 机器人,可搬运 60 磅包裹并具备类人灵巧操作能力。产品开发副总裁 Keshav Prasad 总结从原型到量产的系统工程教训,强调线缆布线、弯折寿命、元器件停产、固件与感知时序等细节决定部署成败。
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。
Sanctuary AI 展示了在仿真中训练的 in-hand reorientation 策略在真实液压灵巧手上执行,可在对抗重力并额外加载 500 克重量的情况下完成手内重定向。该公司称其自研强化学习方法在训练中未见过的 500g 负载扰动下仍能完成手内重定向。其液压手具备较多主动自由度,支持手指侧摆与手内操作,采用液压驱动以获得力量、速度和控制性能。
推荐理由:原文给出了仿真训练策略迁移到真实液压手并承受 500g 未见负载的细节,可作为灵巧操作训练迁移的参考案例。
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。
Sanctuary AI 借助 NVIDIA Isaac Lab 开源机器人学习框架,对其高自由度、高强度、高速液压灵巧手实现业界领先的 sim-to-real 灵巧操作策略迁移。
Dexterity 发布工业超人形机器人 Mech,采用双臂加移动底盘设计,面向卡车装卸、码垛拆垛和订单拣选等任务。Mech 单臂可举 65 lbs、双臂合计 130 lbs,能把箱子放到 8 英尺高,配备最多 16 个机载相机和内置触觉,可在 32 至 122°F 环境下工作。
推荐理由:原文给出了双臂负载、举升高度、相机数量和温度范围等规格,可与现有人形机器人方案做能力对照。