作者：Grace Hsieh
「人形機器人」，一直是機械與人工智慧領域中最具挑戰性與吸引力的課題。不僅要求機器具備高度複雜的結構設計與動態平衡能力，更希望讓機器能夠「理解人類世界」。而Figure AI正是沿著這條路徑前進的代表性公司之一。相較於多數機器人仍停留在展示動作或單一任務自動化，Figure AI 的目標非常明確：讓機器人不只是聽懂指令，還可以「主動學習」並「精準行動」。
打造「像人一樣學習與思考」的 AI 機器人
Figure AI自創立以來，旨在開發能夠自主學習和與人互動的 AI 驅動人形機器人。Figure 03是Figure AI的第三代人形機器人，可在家庭與商業環境中應用。不僅能端茶送水、整理房間、清洗餐具，還可與寵物互動；而在家庭之外，亦能勝任酒店前台、快遞配送、包裹分揀，甚至在宴會中擔任服務人員等商業應用。
（圖片來源）
而讓Figure 03能承擔如此多的任務，原因在於它能即時感知環境、理解人類指令，並將其轉化為具體行動，其關鍵便是結合Helix VLA（Vision-Language-Action）AI模型，透過視覺（Vision）系統，機器人可辨識物體與環境變化；語言（Language）理解則讓它準確掌握任務目標；動作（Action）模組則負責協調執行流程。正因其具備跨模態理解與即時應變能力，Figure 03才能在不同場景中完成各類任務。
Helix Model：為「行動而生」的多模態模型
Helix是一款 Vision-Language-Action（VLA）模型，旨在提供Figure AI 人形機器人的通用控制能力。與過去「語言理解 → 規則判斷 → 動作規劃」的串接式架構不同，Helix 採取的是更接近端到端（end-to-end）的策略，它將自然環境感知、語言理解與連續動作控制，整合至單一神經系統之中。
Helix特點如下：
- 完整上半身控制：
能以高頻率（200 Hz）連續控制人形機器人上半身的 35 個自由度，涵蓋手指、手腕、軀幹與頭部。這使機器人能完成協調動作，例如在調整軀幹姿勢以達到最佳伸展的同時，手部動作亦可被頭部追蹤，實現精準協同。
- 多機器人協作能力：
可同時操控兩台機器人的 VLA 模型，能協調長時間、多步驟的操作任務，甚至可應對從未見過的物體，大幅提升協作能力。
- 統一神經架構：
僅需一組神經網路權重，即可完成抓取、放置、拉抽屜等多種動作。
- 雙系統認知架構：
- 系統一（S1）：具備 8,000 萬參數、基於 Transformer 的視覺動作策略模型，以 200 Hz 的高頻率執行即時、連續的動作控制。此分工使 Helix 能「深思熟慮地規劃，同時迅速行動」。
- 系統二（S2）：具備 70 億參數的視覺語言模型，負責場景理解與自然語言解析，運行頻率為 7–9 Hz。
（圖片來源）
Helix 的訓練資料約 500 小時，主要來源於人類遠端操控示範，並結合自動標註的視覺語言模型（VLM）生成後見指令（hindsight instructions）。相比其他VLA訓練集，其所需數據量相對較少，但仍能精準控制人形，在實際家庭和商業場景中靈活運作。
結語
Figure AI與Helix Model標誌著通用人形機器人從「可展示動作」向「可部署智能」邁出了關鍵一步。隨著硬體與AI技術的不斷進化，Figure AI不僅為家庭與商業提供了實用的智能機器人解決方案，也為整個人形機器人領域開啟了全新的可能性——機器人成為真正能理解人類需求、並在日常生活中可靠運作的智能夥伴。
延伸閱讀
- Helix Model：Figure AI人形機器人邁向「可部署智能」的關鍵拼圖 - 2026/01/30
- 推動公民參與、在地落實的淨零科技創新 國科會秀階段成果 - 2026/01/28
- Tesla Optimus Gen 3：以自駕AI為引擎的通用人形機器人 - 2026/01/16
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
