Figure让机器人进了30个没见过的家，不重新训练也能铺床叠毛巾

家务机器人的演示视频不算新鲜，难的从来是换一个家还能不能干。

Figure展示了Helix 2.5系统驱动的人形机器人，在一个从没进过的房子里收拾凌乱的客厅、铺床、叠毛巾。没有额外训练，运过去开机就干。

他们的做法是在湾区租了30套不同的房子，同一个模型在全部30套里都跑通了，房间布局没见过、家里的东西没见过，照样处理。

这个设定比单个演示有意义得多。机器人研究里有个老问题叫泛化：在实验室里练得再好，换个环境经常就废了，因为光照变了、家具位置变了、杯子的牌子变了。过去的通行解法是”到现场再采一批数据微调”，这在实验室行得通，在商业上不行——没人会为了让机器人学会在自己家干活，先请工程师住进来一周。

Figure给的解释是数据来源。他们训练用的是海量人类动作记录，每周有超过九万人在贡献，把日常行为变成数据，让机器人在进入任何一个新家之前就已经见过这些动作的无数种变体。

这条路子和大语言模型的成长路径是同一个：不靠为每个场景定制，靠规模本身把泛化能力压出来。

顺带一提，黄仁勋这两天正好在讲相关的判断。他说到本十年末全世界至少要缺5000万名劳动力，还半开玩笑地说可能得给机器人开五万美元一年的工资让它们来上班，并认为机器人这件事可能会成为所有产业里最大的一个。

这话当然有他的立场在——卖算力的人看什么都像是需求。但把它和Figure这次的30个家放一起看，至少泛化这一关，是真的松动了一点。