人形机器人通用能力的突破正在加速。中邮证券研究所最新研报深度解析了Figure公司推出的Helix视觉-语言-动作（VLA）模型。Helix采用准分层式框架，实现了对从未训练过物品的零样本操作、全上半身精准控制以及双机器人协同作业，且完全在嵌入式GPU上运行。本文基于中邮证券研报，系统解读Helix模型的技术架构与突破性能力。

Figure Helix模型在架构设计上做出了重大调整，摒弃了此前与OpenAI合作的多模态大模型，转而采用准分层式框架。模型分为System 1和System 2两个层级：System 1为8000万参数的轻量级操作模型，负责高频、连续的实时动作控制；System 2为70亿参数的多模态大模型，负责视觉理解与语言推理。

这一准分层架构借鉴了人类“快思考与慢思考”的双系统认知原理。System 2负责理解指令和环境，System 1负责执行动作，两者协同工作。通过500多个小时的训练数据，Helix得出了精准的动作模型，最终展现出了令人惊喜的泛化能力。

Helix最核心的突破在于模型的泛化能力。Figure表示Helix可以操作任何物体，包括机器人从未遇到过的物品。这一点对于家用和非结构化场景中的部署至关重要——家庭环境中物品千差万别，不可能为每一种物品单独训练模型。

与传统模仿学习需要为每个特定任务单独训练数据不同，Helix通过端到端的VLA架构，将视觉语言模型中捕获的丰富语义知识直接转化为机器人动作。家用场景测试中，机器人可以操作训练集中从未包含的番茄酱等物品，验证了零样本泛化的可行性。

表1：Helix模型与传统模仿学习对比

维度	传统模仿学习	Helix VLA模型
训练方式	每个任务单独训练	统一供给单个VLA模型
泛化能力	仅能执行预训练任务	零样本操作新物体
控制范围	单一部件控制	全上半身端到端控制
协作能力	单台机器人	多机器人协同合作
部署方式	云端与机载混合	完全在板载GPU运行

Helix通过VLA模型实现了对躯干、手臂、手腕、头部及手指的端到端训练与协调控制。Figure 02全身多达35个自由度，多部位的协同控制会实时改变机器人的视野范围和操作可达空间，形成传统控制方法难以解决的动态反馈闭环。例如当机器人调整躯干姿态以扩大抓取范围时，头部需同步转动保持视觉追踪，同时手指仍需保持精细操作。

Helix还展示了两台机器人协同合作完成任务的场景，这在以往的机器人厂商中是绝无仅有的。系统设计中采用的分层结构使得语言指令能有效指导具体操作，多线程协调能力已预示了未来在多任务处理、多机器人协作方面的潜力。

Helix是业内首个完全在嵌入式GPU上运行分层式大小脑架构的机器人，无需依赖边缘部署或云端算力。这一特性极大地降低了部署门槛，为机器人的商业化应用铺平了道路。Figure CEO表示，鉴于Helix模型进步神速，公司对于机器人家用的时间轴提前了2年，2025年就会开始Alpha测试，部署家用。