摘要：先是于 2 月下旬正式发布其倾力打造的机器人操作系统 Helix，该系统被视为 Figure 实现“真正自主”的关键基石。不仅如此，搭载该模型的 Figure 02 也已进驻物流工厂，承担起快递分拣的重任，显示了其初步的商业化潜力。

“AI 的下半场是落地，而具身智能将是最佳载体”。

责编 | 梦依丹

出品 | CSDN（ID：CSDNnews）

Figure 自 2 月宣布与 OpenAI 结束合作转而拥抱完全自主研发路线后，动作频频。

先是于 2 月下旬正式发布其倾力打造的机器人操作系统 Helix，该系统被视为 Figure 实现“真正自主”的关键基石。不仅如此，搭载该模型的 Figure 02 也已进驻物流工厂，承担起快递分拣的重任，显示了其初步的商业化潜力。

紧接着，Figure 又于近日宣布，其工业机器人 Figure 02 通过纯强化学习算法，成功实现了如人类般自然流畅的行走。

强化学习驱动：突破 Sim-to-Real 难题

Figure 02 机器人能够像人类一样自然流畅地行走，其背后关键驱动力是强化学习（Reinforcement Learning, RL）技术。与传统的步态规划方法不同，Figure 团队并没有采用预先编程的固定行走模式，而是选择了端到端的神经网络，通过强化学习让机器人自主掌握行走的技巧。这种方法赋予了 Figure 02 更强的适应性和鲁棒性，使其能够在复杂多变的环境中稳定行走。

域随机化（Domain Randomization）： 在模拟环境中，随机化每个机器人的物理属性，模拟各种可能出现的系统变化，使得训练出的策略能够适应真实世界中机器人之间的差异。

高频扭矩反馈控制（kHz-rate Torque Feedback Control）： 在真实机器人上运行策略时，使用高频闭环扭矩控制来补偿执行器建模中的误差。

该技术的关键要点可以总结为：

摆脱对 OpenAI 等外部技术的依赖，转向自主研发，为机器人企业开辟了新路

来源：CSDN