没有提前踩点，没有对房间数据做任何微调，人形机器人直接进了30个真实家庭。这是Figure发布Helix 2.5模型后做的一件事。

地点在加州湾区，任务清单只有三项：收拾客厅玩具、折叠毛巾、铺床。听起来简单，但真实家庭的杂乱程度和实验室完全不同——玩具散落的位置、毛巾的材质、床铺的尺寸，每一项都是变量。

为什么零微调值得关注

机器人进家庭，过去的标准流程是先扫描环境、采集数据、针对特定房间做适配训练。这套流程成本高，且换个房间就得重来。Helix 2.5这次跳过了全部环节，机器人面对的是完全陌生的空间。

能完成三项家务，说明模型具备较强的泛化能力。泛化能力的意思是：它不是在某个固定场景里被训练出来的，而是能把学到的东西迁移到没见过的地方。

泛化能力从哪来

Figure的做法是先用海量人类真实日常行为数据做基础训练。这些数据让机器人提前理解现实世界的物理规律，以及人体动作的协调方式。

换句话说，机器人不是在学"怎么折这条毛巾"，而是在学"人是怎么折毛巾的"。前者依赖具体环境，后者可以迁移。基础训练打底之后，进入真实家庭时就不需要再针对房间做适配。

这次部署的三个任务，覆盖了不同的动作类型：收拾玩具涉及抓取和分类，折毛巾涉及柔性物体的操作，铺床涉及大范围的身体协调。三项都能完成，说明模型的能力不是单一维度的。

Figure把机器人送进30个家庭而不是1个，本身也是一种验证方式——单个家庭的成功可能是巧合，30个家庭的结果才能说明泛化是否成立。