Figure机器人封神!8小时直播自主工作:硅谷分拣快递的要没工作了
Figure机器人通过8小时直播展示自主分拣包裹能力,可扫描条码、处理不同材质包裹并准确放置,全程无需人工干预,分拣近万件。其效率约为人工1.8倍,识别成功率高达99.7%。控制系统采用统一视觉-运动神经网络,经大量学习使动作更接近人类,标志其人形机器人正从概念走向实用。
昨天,一场长达8小时的直播,让仓库分拣这个看似平凡的环节,成为了人形机器人技术的一个里程碑。美国Figure AI公司兑现了其承诺,全程无剪辑地展示了Figure 03人形机器人执行工厂式轮班任务的全过程。
直播画面里,机器人正有条不紊地处理着典型的仓库包裹分拣工作:扫描条码、拾取从柔软的塑料袋到坚硬的纸箱等不同材质的包裹,将标签面翻转朝下,然后准确地放置到传送带上。整个过程流畅得令人惊讶。
更关键的是,它展现出了高度的自主性:不仅能自行检测并更换电池,还能进行自我诊断,并在动态变化的环境中实时调整动作策略。整整8个小时,没有人工干预,没有监督,完全自主运行。据统计,这台Figure 03在此期间分拣了接近一万个包裹。
效率如何?直播进行到大约5小时的时候,机器人已经处理了6700件包裹。算下来,平均每秒能处理0.37件,单台机器人的效率估算下来,大约是人工的1.8倍。对于形状各异的包裹,它的识别成功率达到了99.7%。从0.5公斤到20公斤的全重量段,无论是软包、异形箱,还是带条码与无条码的混合包裹,它都能应对。
难怪直播评论区里,不少观众发出感叹:“这速度已经超过人了。” 技术的迭代,有时就体现在这些最基础的重复劳动被重新定义的过程中。

“大脑”与“小脑”的协同进化
如此稳定且高效的表现,背后是核心控制系统的巨大进步。Figure 03的“大脑”采用了该公司最新自研的Helix 02系统。这是一套统一的视觉-运动神经网络,能够对机器人进行全身一体化控制,包括行走、操作和维持平衡。
其中的关键,在于一个被称为System 0的全身控制系统。这个系统的特别之处在于,它学习了超过1000小时的人类运动数据,并结合了从仿真环境到现实世界的强化学习训练。结果是,它用一个单一的神经网络“先验”,替换掉了原本需要109504行手工编写的C++代码。这意味着,机器人的每一个动作,从迈步到抓取,都更接近人类的稳定与自然,而非僵硬的程序指令。
与此同时,Figure 03内置的触觉感知系统和手掌摄像头,赋予了Helix 02系统处理更精细任务的能力。这不再是简单的抓取和放置,而是可以完成诸如从药盒中精准取出单一片剂、从注射器中精确导出特定体积的液体,乃至从一堆杂乱的小物件中分离出目标物体等复杂操作。
从分拣包裹到精细操作,人形机器人正在从一个概念演示品,快步走向能够真正融入特定工作流的实用工具。这场8小时的直播,或许就是这条路上一个清晰的脚印。
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















