FigureAI新進展：Figure02機器人的步態愈發擬人化，且具備高效性

在與 OpenAI 結束合作后，Figure AI 傳出令人振奮的消息，其在技術上取得了重大突破，推出的人形機器人 Figure 02 能夠以每小時 2.68 英里的速度，模仿人類走出自然的步態。憑借自主研發的強化學習系統，Figure AI 不僅讓機器人的行走速度比前代產品大幅提升了近七倍，還在模擬到現實(Sim-to-Real)的技術遷移領域樹立了新的行業標桿。

合作終止后，迅速實現技術飛躍

2024 年 2 月，Figure AI 宣布終止與 OpenAI 的合作，全力投入自主研發。僅僅三個月后，搭載全新操作系統 Helix 的 Figure 02 機器人就進入了物流工廠，開始承擔快遞分揀的工作。而在行走控制方面，Figure 02 更是展現出了強大的實力：它的行走速度達到了 2.68 英里 / 小時，已經非常接近人類正常的步行速度，相比前代產品 Figure 01 的 0.67 英里 / 小時，實現了跨越式的提升。

創新技術，打破傳統局限

Figure AI 之所以能取得這樣的突破，關鍵在于其摒棄了傳統的機器人控制方法。以往，傳統的控制方案需要工程師預先設定步態規則，而且為了調試特定場景下的動作，往往要花費數月的時間。而 Figure AI 采用了端到端的神經網絡，通過強化學習的方式，讓機器人在虛擬環境中自主學習行走的技巧。

其訓練系統在高保真的物理模擬器中，同時運行數千個具有獨特物理參數的機器人副本。這些機器人副本通過不斷的試錯學習，來應對各種不同的地形、負載變化以及外部干擾。值得一提的是，原本需要數年時間才能積累到的數據量，現在通過這種方式，僅僅數小時就可以完成訓練，效率提升了超過千倍。

革命性技術，實現 “零樣本遷移”

Figure AI 更具革命性的成果是實現了 “零樣本遷移” 技術。也就是說，訓練完成后的神經網絡不需要進行額外的調整，就可以直接應用到實體機器人上。為了跨越模擬到現實之間的鴻溝，Figure 團隊采用了兩項關鍵技術：域隨機化和千赫茲級扭矩反饋控制(實時補償執行器誤差)。

在最近的演示中，10 臺 Figure 02 實體機器人同時運行同一神經網絡策略，都表現出了穩定的自適應行走能力，這充分驗證了該技術的可擴展性。

從依賴規則編程到實現自主進化學習，從只能在實驗室特制場景中運行到能夠在開放環境中部署，Figure AI 的實踐有力地證明了：強化學習不僅僅是提升機器人運動性能的工具，更是一種能夠重塑人機協作關系的技術哲學。隨著模擬到現實的遷移效率不斷提升，開發門檻不斷降低，也許用不了十年，這些 “數字生命體” 就能以更加自然的姿態融入到人類的生活當中。