bingdadaFigure AI 于9月17日发布的Helix 2.5模型在湾区30个从未见过的真实民宅中实现零样本家务操作，420次试验成功237次，零样本成功率约56%；相同硬件与任务数据下去掉预训练环节成功率仅9%，预训练使成功率提升约522%，且仅用一半适应数据量即在陌生家庭追平上一代Helix 02在单一场地的表现，表明泛化能力提升未牺牲任务表现，但56%距可靠家用助手仍有明显差距。
家用机器人领域长期存在一个尴尬的现实：演示视频里动作流畅，落到真实场景却寸步难行。原因并不复杂——绝大多数系统在进入一个新环境前，需要先采集该场地的专属数据，或者依赖人工远程操作兜底。换句话说，机器人卖出去之后，训练工作才真正开始。
Figure AI 在 9 月 17 日公布的新一代模型 Helix 2.5，试图正面回应这个难题。其核心主张是：机器人无需事先到访目标住宅，也无需针对该住宅做任何微调，就能直接执行叠毛巾、整理床铺、拾取物品等家务任务。
从公开的评测设计看，这次测试覆盖了湾区 30 个真实民宅，全部保留原有家具布局与物品摆放，没有为评测做任何改造。用于测试的玩具、毛巾和床品被提前隔离存放，先由模型初筛、再经人工复核，确认未出现在任何训练数据中。评测采用盲测方式，且没有任何单一任务在预训练数据中的占比超过 1.90%。
在 420 次试验中，Helix 2.5 成功了 237 次，零样本成功率约为 56%。单看这个数字，距离「可靠的家用助手」仍有明显差距。但真正值得关注的是对照组：同样的硬件、同样的任务数据，仅仅去掉预训练环节，成功率就跌到 9%。
这一对比揭示出预训练数据的杠杆效应。随着预训练规模增加，机器人的表现呈现出类似语言模型的可预测比例关系——在其他条件不变的情况下，零样本任务成功率从 9% 提升到 56%，整体成功率提升约 522%。
另一个参照维度来自 Figure 自家上一代模型 Helix 02。后者需要先在目标场地采集数据才能训练，而 Helix 2.5 仅用一半的适应数据量，就在 30 个从未见过的家庭中追平了 Helix 02 在单一场地的成功率。这说明泛化能力的提升并非以牺牲任务表现为代价。
对人而言，换一张床不至于忘记怎么铺被子。对机器人而言，床的高度、墙边的空隙、被角垂落的位置，任何一项变化都可能让熟悉的动作瞬间失效。这种脆弱性源于传统策略对场景特征的过度拟合。
过去几年里，特斯拉 Optimus、1X Neo 等产品的公开演示，大多依赖大量场地专属数据或人工远程操作。Figure 今年 1 月发布的 Helix 02 虽然能完成卸洗碗机这类连续几十步的长时任务，但同样需要先在目标场地采集数据。
Helix 2.5 想回答的问题因此更具根本性：机器人能否走进一个从没见过的家，直接开始干活，不需要主人先配合录一遍自己家的样子。
家用机器人的想象可以追溯到半个世纪前的动画形象。那个围着围裙、拿着拖把的机器人管家，几乎定义了公众对家用机器人的全部期待。但 1970 年代也出现过承诺打扫、修剪草坪甚至遛狗却无法兑现的公司，最终被证明只是借新技术之名行投机之实。
历史反复提醒我们：演示与产品之间存在巨大鸿沟。Helix 2.5 的意义不在于它已经跨过这道鸿沟，而在于它把评测标准从「精心布置的场地」推向了「未经准备的陌生住宅」。这种评测设计本身，比 56% 这个数字更值得行业参考。
在具身智能方向上，国内团队同样把泛化与零样本适应视为核心指标。智谱 GLM 系列、科大讯飞星火等在大模型侧持续迭代，为机器人提供更强的任务理解与规划能力；优必选、宇树科技等硬件厂商则在运动控制与场景适配上积累数据。与 Figure 的路径相比，国内玩家更强调软硬件协同与特定场景的快速落地，例如在工厂、商超等半结构化环境中先实现稳定作业，再逐步向家庭场景渗透。
这种差异并非优劣之分，而是市场结构决定的节奏选择。家庭环境的非结构化程度最高，对泛化能力的要求也最苛刻。Figure 选择直接挑战这一最难场景，国内团队则倾向于用更可控的场景先跑通商业闭环。两条路线最终会在家庭场景交汇，届时比拼的将不只是模型规模，而是数据效率与工程化能力的综合水平。
在 30 个陌生家庭的 420 次试验中成功 237 次，零样本成功率约为 56%。作为对照，去掉预训练环节后成功率仅为 9%。
零样本指模型在完全没有目标场景数据的情况下直接执行任务；少样本则允许提供少量示例或微调数据。Helix 2.5 强调的是前者。
预训练让模型在大量多样化场景中学习通用规律，从而在面对新环境时不必从零开始。缺少预训练，策略容易过拟合到特定场地，换个房间就可能失效。
评测采用盲测，测试物品经过模型初筛与人工复核确认未出现在训练数据中，且没有单一任务在预训练数据中占比超过 1.90%。这些设计降低了数据泄漏的可能性，但 56% 的绝对成功率仍说明距离实用化有距离。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
2026全球开发者先锋大会暨国际具身智能技能大赛将于上海举办，本文从产业落地视角解析真机实训、场景出题、开源生态与标准首发等关键动向，探讨具身智能从技术演示走向生产力工具的现实路径。
魔法原子两套具身 Agent 框架同时进入 MolmoSpaces 榜单前列，EchoPolicy-0 位列全球第一。本文从评测基准设计、两条互补技术路径与分层架构的未解难题出发，解析具身智能大模型从演示走向产线的关键逻辑。
资本狂热与真实作业之间的鸿沟揭示了物理智能的规模化困局。华为联合多家机构发布的报告指出，云边端协同是破解实时性与复杂性两难的系统路径，三域协同与一网贯通构成核心架构。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
