人形机器人做家务这件事，一直有个绕不开的前提：得先教。换个厨房、换张床，模型就得重新采数据、重新调。Figure 这次想试的是另一条路——不教，直接进门。

9 月 18 日，Figure 发布 Helix 2.5 模型，官方说法是让机器人“自主做家务”。验证方式很直接：在旧金山湾区租了 30 套房子，机器人此前没有针对这些家庭采集过任何数据，到了地方就开始收拾。

打开网易新闻 查看精彩图片

一个基础模型，长出三种行为

Helix 2.5 的构建围绕一个问题展开：类人生物能否进入一个从未见过的家，并立即自主工作？

Figure 的做法是在全球人类行为数据集 Index 上做预训练。基于这单一基础模型，机器人产生了三种行为：整理客厅、折叠毛巾、整理床铺。测试中，同一个 Index 预训练基础模型被调整为三种不同行为，覆盖运动、刚性和可变形操作、双手协调以及主动感知。

8% 到 56%，变量只有一个

实测数据里最值得看的是这组对比：在任务专用数据、架构、训练和评测均保持不变的情况下，仅 Index 预训练这一个变量，就让任务成功率从 8% 提升到 56%。

另一组对比来自前代。与前代神经网络 Helix 02 相比，Helix 2.5 只用了一半的任务专用数据，就把该行为泛化到了 30 个前所未见的新环境。

Figure 的结论是，Helix 2.5 首次证明全身智能可以从人类经验中学习并转移到新场景，而不用每次都重建。

把这两组数字放在一起看，指向的是同一件事：泛化能力的来源，正在从“为每个任务单独喂数据”转向“先学人类行为，再迁移”。对做具身智能的团队来说，这意味着数据预算的分配方式可能要重新算一遍。