Figure自曝完整技术：60分钟不间断工作，机器人如何实现高效物流分拣？

在科技飞速发展的今天，机器人已经逐渐渗透到我们生活的方方面面，尤其是在物流领域，它们的高效和精准为行业带来了革命性的变化。最近，Figure公司发布的60分钟机器人进厂打工视频，无疑在科技圈引起了轩然大波。

视频中，Figure 02机器人在物流分拣线上展现出了惊人的工作能力。它不仅能够灵活处理各种形态的包裹，包括硬纸盒、聚乙烯袋、信封等，还能在高速工作负载下保持长足的稳定性。更令人惊叹的是，机器人在工作时还会实时查看新数据，观察学习并优化自己的操作策略。

回顾3个月前，Figure 02机器人的表现还相对稚嫩，但短时间内，它的整体性能却实现了飞速提升。这背后，离不开高质量演示数据集的扩展，以及对Figure自研的Helix神经网络的视觉电机策略进行架构改进。这些改进使得机器人在面对不同形态包裹时，能够即时调整抓取策略，轻松完成包裹反转、抓取和定位标签等复杂任务。

值得注意的是，机器人在处理包裹时，还会展现出一些自适应行为。比如，它会轻轻拍打塑料包装以抚平起皱的货物条形码，这是机器人自己从演示中学习到的技巧，凸显了端到端学习的优势。尽管包裹的形状质地各异，但机器人的工作效率却丝毫未受影响。实验表明，增加训练数据可以显著提高吞吐量和准确性，包裹的平均处理速度约为4.05秒，吞吐量提高了58%，条形码成功率也从88.2%升至94.4%。

在架构改进方面，研究团队对Helix的视觉电机策略进行了针对性优化，引入了新的内存和传感模块，使机器人能够更好地感知环境变化。具体来说，视觉记忆模块可以从系列视频帧中组合特征，形成短期视觉记忆，帮助机器人更有效地查找条形码位置；状态历史模块则保留了上下文信息，即使面对干扰也能保持稳健；而力反馈模块则让机器人能够动态调整运动过程，适应不同形态重量的物流包裹。

除了自主分拣能力外，Figure 02机器人的端对端模型还支持人机交互。无需单独的程序或模式开关，仅通过神经网络的视觉调节，机器人就能识别并响应人类的动作，如递出包裹等。这反映了Helix神经网络的灵活性，只需少量演示即可学习新的上下文相关行为。

视频发布后，Figure创始人的评论区瞬间炸开了锅。有网友赞叹Figure的自信和实力，有网友看到了机器人参与物流工作带来的效率和成本优势，也有技术宅思考物流机器人仿人类外型的必要性。当然，还有不少网友致力于在视频中寻找机器人的“茬”，但无论如何，Figure 02机器人的表现已经足够令人印象深刻。

随着技术的不断进步，我们有理由相信，未来的物流领域将会更加智能化、自动化。而Figure 02机器人，无疑为这一趋势提供了有力的佐证和期待。