成本下降 90%后，Figure 的下一步是机器人「自己造自己」？

近期，海外人形机器人公司 Figure 首席执行官 Brett Adcock 接受了《Moonshots with Peter Diamandis》播客的访谈，围绕 「Figure 的核心技术与产品迭代」 这一主题，就全栈端到端神经网络架构、数据壁垒与垂直整合、安全部署与规模化路径等核心议题，系统阐述了其通用人形机器人的技术路线、产业逻辑与商业化实践。

目录

01. Figure 为何删除十万行代码？

Figure 为何转向全栈端到端神经网络架构？是什么促使 Figure 删除 Helix 几十万行代码？...

02.成本降了 90%后，Figure 下一步是年产 5 万台？

哪些策略让 Figure 03 降本 90%？Fiture 为实现机器人实时闭环控制做了哪些布局？...

03.进入家庭之前，Figure 还要先跨过哪些商业化门槛？

机器人从工厂到家庭还需多久？...

Figure 为何删除十万行代码？

围绕 Figure 当前的技术布局， 其创始人兼 CEO Brett Adcock 在访谈中重点讨论了两条主线。其一是将 Figure 机器人的控制栈从手写代码持续迁移到全栈神经网络，其二是在 Helix 2 中将全身强化学习控制器纳入系统。沿着这一路径， Adcock 目前将 Figure 的能力概括为「房间尺度自主」，并指出后续的推进方向会放在更大范围、未见环境中的持续运行上。

1、访谈伊始， Brett Adcock 指出 Figure 人形机器人的控制栈正在从手写代码转向神经网络，且这种转向覆盖了整套系统，而不仅仅是局部模块。

① 他提到，Figure 早期系统里曾有「几十万行」C++代码，Helix 1 已移除了其中的大部分代码，但下半身控制仍保留在传统控制栈中。在 Helix 2 阶段，团队又移除了剩余约 109,000 行 C++代码。

②  对应这一变化，Adcock 在访谈中表示，继续依赖代码启发式方法无法覆盖人形机器人需要处理的全身协调、操作与场景变化。主持人将 Figure 的这一转向概括为从「丢掉最后十万行代码」开始进入另一套方法体系。

2、Adcock 在回顾 Figure 1 时期的 Keurig 咖啡任务时，认为这次双臂操作和团队转向全栈神经网络的技术布局有较强的关联。

① 他提到，Keurig 咖啡任务时， Figure 1 需要连续完成取杯、开盖、放入和运行等多步动作，而这套流程由双臂神经网络完成，Adcock 称这是该团队第一次看到神经网络在双臂人形机器人上真正工作。

② 随后，他认为既然这类由神经网络承担的连续任务可以实现，那么整套技术栈也可以围绕神经网络继续推进。

3、在控制栈持续迁移到神经网络之后，Adcock 在 Helix 2 将「全身控制」也纳入了学习系统，其技术栈不再停留于上半身操作已经学习化、下半身仍由传统控制器负责的状态。

① 他在访谈中提到，Helix 1 的上半身操作已经大量交给神经网络，但下半身控制仍是 C++；到 Helix 2，系统集成了一个「完全学习得到的全身强化学习控制器」，内部称为 System Zero（S0）。

② 与这一变化相对应，他将机器人能力从固定位置上的物流和桌面操作，推进到移动过程中的长时程全身控制；在厨房演示的描述中，他提到机器人「下一步做什么」、如何拉出洗碗机架、选择哪只杯子，都属于神经网络的规划范畴。

4、围绕这一全身强化学习控制器，Adcock 在访谈里反复强调，其技术重点不在于「机器人能不能做出动作」，而是系统能否形成实时闭环控制。

① 他将动作捕捉、开环回放和遥操作，与 Figure 当前强调的能力区分开来，并指出真正困难的是机器人在环境变化中持续完成感知、推理和动作输出，而不是执行预先录制好的动作序列。

② 他指出，Helix 2 的控制频率约在 200Hz 或者「几百 Hz」的量级。这一过程中，系统不仅要处理抓取和搬运，还要同时处理身体姿态、空间位置、遮挡以及失误后的重新规划。

5、在谈到系统当前推进到什么阶段时，Adcock 将 Figure 现阶段的能力概括为「房间尺度自主」（room-scale autonomy），并把下一步目标放在更大范围、未见环境中的持续运行上。  

① 他提到，Figure 机器人前已具备「房间尺度自主」（room-scale autonomy）的能力，可在一个房间范围内完成连续操作。在此基础上，公司的下一阶段是从「一个房间」推进到「完整家庭」，并进一步进入「未见过的家庭环境」中。  

② 在衡量系统成熟度时，Adcock 认为重点不在于单次任务演示，而在于人类介入频率（human intervention frequency）上，即机器人在连续任务中对人工协助的依赖程度。

成本降了 90%后，Figure 下一步是年产 5 万台？

在讨论 Figure 的规模化时，Adcock 谈及了 Figure 3 在重量、成本和产线节拍上的变化，话题主要围绕公司在商业场景中的持续运行、机队共享带来的数据积累，以及让机器人进入内部制造产线的计划等展开...

 关注👇🏻「机器之心PRO会员」，前往「收件箱」查看完整解读