在人工智能和机器人技术快速的提升的今天，一项突破性的进展引发了广泛关注。Figure AI于2月27日发布了一段令人振奋的视频，展示了他们最新VLM（视觉语言模型）在Figure02人形机器人上应用的成果。更重要的是，这项在物流工厂进行快递分拣的工作，仅用了短短30天的部署时间。这一成就不仅让业界瞩目，也让人们对未来的人形机器人在更复杂的工作环境中的使用充满期待。
这款新型机器人从它的前一份工作地点宝马工厂的汽车装配转至物流分拣，整个转型的过程速度之快堪称行业奇迹。其中，Figure团队经过不懈努力和创新，成功将先进的视觉和控制技术应用于机器人，让其在快递流水线上高效地分拣包裹。虽然初始阶段的速度仍不及人类分拣员，但随技术的慢慢的提升，未来人形机器人在分拣领域的潜力不可小觑。
在展示的视频中，观众能够正常的看到多台机器人协同工作，流畅且迅速地抓取和摆放包裹。这一过程通过机器人的头部摄像头实现对快递条码的识别和自我校正，体现出了高度的智能化和自主性。最近，Figure还对其Helix系统1（S1）进行了多项改进，使机器人在视觉识别和运动控制上更为精准，提升了分拣效率和准确性。
改进的第一项是视觉表征的优化。过去的S1系统依赖单眼摄像，现阶段则采用了立体视觉主干网络结合多尺度特征提取，创建了丰富的空间层次表征。这在某种程度上预示着机器人不仅仅可以解析包裹的微小细节，还能充分理解整体场景，提高了分拣时的视觉控制可靠性。
其次，Figure引入了跨机器人迁移策略，让多台机器人能够共享相同的操作策略。这种方法克服了因硬件差异造成的性能波动，使得机器人能够在高维空间中展现一致的操控水平。通过这一技术，Figure实现了机器人在各个工作环境中的高效适应和兼容。在现阶段，机器人只需要依靠其机载视觉输入就能进行“自我校准”，减少了人工调试的麻烦，并节省了大量的时间与成本。
在数据处理方面，Figure进行了优化，筛选出高效的人类示范数据，剔除低效及失误案例，并保留了自然修正动作的示范。这确保了机器人在应对复杂环境时，可以通过学习和适应来正确应对各种意外情况，使他们成为了分拣工作中的不二选择。
更值得注意的是，Figure团队还采用了加速技术，大幅度的提高机器人动作的执行效率。原本系统以每秒200赫兹的频率执行动作，而通过对动作进行线性重采样，整个执行过程的速度可提高最多20%，这在实际运用中明显地增强了机器人在分拣行业的处理能力。
经过多次的优化与改进，机器人能够在不一样的尺寸的包裹上展现更强的适应性和鲁棒性。根据有关数据显示，配备立体视觉的系统1其处理的吞吐量比之前提高了60%。此外，通过精心整理的数据，尽管训练数据减少了三分之一，模型性能却增强了40%。
然而，面对日渐增长的市场需求，人形机器人的实现仍然面临挑战。尽管现阶段的分拣效率不及人类或传统机械臂，但Figure展现的出色场景适应能力和跨设备迁移能力，使得未来更为丰富的应用场景成为可能。当教会人形机器人上岗的时间从12个月缩短至1个月，属实是一个质的飞跃。
未来，如果Figure团队继续坚持这一方向的研发与创新，或将实现教会机器人工作仅需1天，甚至更短。人形机器人逐步走出实验室，进入生产和服务领域，开启了物流分拣行业的新时代。
为了逐步推动这一技术的发展，Figure团队还透露，他们正在招募大模型训练、操控工程师及强化学习等相关人才，以支持持续的技术创新。这不仅反映了机器人技术的迅猛发展，也为行业内人才教育培训提供了新的方向与机遇。
未来的物流分拣市场充满变数，而机器人技术的持续进步，必将为这个行业带来颠覆性的影响。我们共同期待，随着Figure机器人、以及其他技术公司的不断努力，智能物流新时代的到来将为我们开启更高效、更智能的工作方式。返回搜狐，查看更加多
