专注于人形机器人研发的Figure AI公司发布了一段令人瞩目的视频，展示了其Helix机器人在物流环境中长达60分钟的无剪辑分拣过程。这一发布标志着Helix机器人在实际应用场景中的重大突破，仅仅经过三个月的物流环境部署，其在操作速度、灵活性以及处理复杂任务等方面已展现出接近人类水平的卓越能力。
在物流分拣这一复杂且对效率要求极高的领域，Helix机器人的表现令人眼前一亮。数据显示，其平均包裹处理速度从最初的5.0秒缩短至4.05秒，效率提升近20%。这一提升不仅仅是时间上的缩短，更意味着在单位时间内，Helix机器人能够处理更多的包裹，极大地提高了物流分拣的整体效率。同时，它还能够自如地处理可变形塑料袋和扁平信封等复杂包裹类型，而这些对于传统机器人来说往往是极具挑战性的任务。如今Helix机器人能够针对每种形态因素调整其抓取方式和策略，动态地处理各类物体，在这方面，它的表现已经非常接近人类操作员。
更值得一提的是，Helix机器人的条形码扫描成功率实现了质的飞跃，从原本的70%飙升至95%。这一显著提升意味着机器人不仅在处理速度上更快，在操作的精准度方面也达到了新高度。高条形码扫描成功率确保了包裹信息能够准确无误地被识别和记录，减少了因扫描错误而导致的分拣失误，进一步提升了物流分拣流程的准确性和流畅性。
Figure AI公司通过此次发布的视频，全面展示了Helix机器人在物流环境中的强大实力。公司相关负责人表示，自首次将Helix系统部署在物流环境中仅仅三个月，该系统的功能和性能就取得了飞跃性进步。Helix系统如今能够处理更广泛多样的包装类型，并且正逐渐接近人类水平的灵巧度和速度，使我们离实现完全自主的包裹分拣又近了一步。这一快速进展凸显了Helix系统基于学习的机器人方法的可扩展性，能够迅速转化为实际应用中的成效。
在技术层面，Helix机器人取得如此显著进步背后有着坚实的支撑。Figure的工程师为其引入了三大关键模块，使其感知和决策能力更加强大。首先是视觉记忆（VisionMemory）模块，该模块赋予了Helix短期记忆能力，它不再仅仅依赖瞬时摄像头画面，而是能整合近期连续的视频帧信息。这意味着，如果初次观察未能看到条形码，Helix会“记得”包裹的其他侧面，并有策略地进行翻转，而不会重复检查同一位置，从而实现更高效、更智能的多步操作，避免了动作的冗余，大大提高了任务成功率。
其次，状态历史与力反馈（History&Force）模块发挥了重要作用。通过整合机器人近期状态的历史数据，该模块实现了更快速、更灵敏的控制，让机器人在操作过程中保持连贯性。同时，它能感知到何时接触包裹、何时包裹被压在传送带上，从而实现更精确的抓取、调节握力，并避免因用力不当导致的失误，使整个系统更加稳健，能够及时应对突发状况。
再者，Figure的工程师通过将网络的Transformer解码器头参数数量增加50%来扩展网络，利用这些更丰富的输入，将平均处理时间进一步降低到4.05秒，同时保持准确率在92%以上。
Figure AI的受控实验显示，随着训练数据从10小时增加到60小时，Helix的处理时间从6.34秒降至4.31秒，扫描成功率从88.2%升至94.4%。这充分表明，Helix正在稳步缩小学习型机器人与真实世界任务需求之间的差距。
