Figure AI 發表 Helix 模型更新，單一網路首度同時控制雙臂與移動底盤
2026-09-02
事件摘要
人形機器人新創 Figure AI 於 9 月 2 日發表旗下視覺語言動作模型 Helix 的重大更新，新版本首度把移動底盤的導航控制能力，跟原本已經支援的雙臂操作能力整合進同一個神經網路，取代先前「操作用一套模型、移動用另一套規則式導航堆疊」的分工架構。公司表示這是機器人邁向真正全身控制（whole-body control）的關鍵一步，內部測試顯示新版模型在需要邊移動邊操作的複合任務（例如一邊走向貨架一邊伸手取物）上，動作流暢度較舊版明顯提升，公司計畫先在自家 BotQ 產線的物料搬運任務上部署驗證。
技術意義解讀
把移動與操作整合進同一個模型，直接呼應了本站在全身控制 vs 逆向運動學一文中討論過的核心問題——當任務需要機器人同時協調移動底盤與雙臂動作，如果兩者是分開規劃的獨立系統，機器人很容易在移動過程中因為沒有同步考慮手臂動作對整體重心與軌跡的影響，而做出不夠自然、甚至有安全疑慮的複合動作。Figure AI 選擇用單一模型端到端學習這種協調能力，而不是像本站在機場行李推車自主回收論文導讀中介紹的模組化架構那樣，用 NMPC 加 CBF 明確建模安全約束，這正是端到端 VLA 路線與模組化機器人路線在同一類問題上截然不同的解法選擇。
這也是觀察 VLA 技術演進的一個有意義的切入點——本站報導過 OpenVLA、π0 等模型多半聚焦在固定底座或至少移動與操作分開處理的場景，Figure AI 這次的更新如果驗證有效，代表 VLA 模型正逐步把更大範圍的機器人自由度納入同一個學習框架，這條路線如果持續推進，可能會讓「全身協調」這個過去需要複雜模組化工程才能處理的問題，愈來愈多交由端到端學習來解決，但也意味著本站在 SAFE 論文導讀中討論過的「失敗歸因困難」問題，會隨著單一模型控制的自由度增加而更加棘手。