Helix

Helix简介

Helix 是 Figure 公司开发的一款通用视觉-语言-动作（VLA）模型，专为服务型人形机器人设计。该模型实现了对机器人上半身（包括手腕、躯干、头部和手指）的高速连续控制，频率可达 200Hz，并支持多机器人协同作业。多个机器人可共享同一组神经网络参数完成任务。Helix 能够基于自然语言指令执行未见过的物体操作，展现出出色的泛化能力。其训练过程采用端到端方式，无需针对特定任务进行微调，且可在低功耗 GPU 上运行，具备良好的商业化应用前景。

Helix的核心功能

• 全上身控制：实现对机器人上半身各部位的高精度、高频次连续控制，提升动作协调性。
• 多机器人协作：多个机器人可共用同一神经网络模型，协同完成复杂任务。
• 自然语言理解与执行：通过自然语言指令完成多种任务，如抓取未知物品或操作家电。
• 强泛化能力：能够处理多样化的物品，适应不同形状、大小和材质。
• 商业部署适配：系统优化以适应低功耗嵌入式设备，适合大规模落地应用。

Helix的技术架构

• 系统2（S2）：基于 7B 参数的开源视觉语言模型，负责场景和语言理解，频率为 7-9Hz，用于高层次语义分析。
• 系统1（S1）：基于 80M 参数的 Transformer 架构，负责实时动作控制，频率为 200Hz，快速响应。
• 端到端训练：从原始图像和自然语言指令直接映射到机器人动作输出，提升模型适应性。
• 解耦架构：S1 和 S2 在不同时间尺度上运行，S2 处理高级规划，S1 实现快速动作执行。
• 推理优化：在硬件层面将 S1 和 S2 分离运行，提升系统效率和稳定性。

Helix的应用场景

• 家庭服务：如整理收纳、家电操作等日常任务。
• 多机器人协作：多个机器人协同完成搬运或组装任务。
• 物品抓取：根据自然语言指令抓取陌生物品，适用于物流和仓储。
• 工业自动化：可用于零部件装配、质量检测等复杂任务。
• 服务行业：如酒店、餐厅中的引导、递送及清洁服务。

Helix项目信息

• 项目官网：https://www.figure.ai/news/helix