FigureAI再创新高：Figure02机器人步态模拟人类更逼真且高效
在与 OpenAI 结束合作后，Figure AI 传出令人振奋的消息，其在技术上取得了重大突破，推出的人形机器人 Figure 02 能够以每小时 2.68 英里的速度，模仿人类走出自然的步态。凭借自主研发的强化学习系统，Figure AI 不仅让机器人的行走速度比前代产品大幅提升了近七倍，还在模拟到现实(Sim-to-Real)的技术迁移领域树立了新的行业标杆。
合作终止后，迅速实现技术飞跃
2024 年 2 月，Figure AI 宣布终止与 OpenAI 的合作，全力投入自主研发。仅仅三个月后，搭载全新操作系统 Helix 的 Figure 02 机器人就进入了物流工厂，开始承担快递分拣的工作。而在行走控制方面，Figure 02 更是展现出了强大的实力：它的行走速度达到了 2.68 英里 / 小时，已经非常接近人类正常的步行速度，相比前代产品 Figure 01 的 0.67 英里 / 小时，实现了跨越式的提升。
创新技术，打破传统局限
Figure AI 之所以能取得这样的突破，关键在于其摒弃了传统的机器人控制方法。以往，传统的控制方案需要工程师预先设定步态规则，而且为了调试特定场景下的动作，往往要花费数月的时间。而 Figure AI 采用了端到端的神经网络，通过强化学习的方式，让机器人在虚拟环境中自主学习行走的技巧。
其训练系统在高保真的物理模拟器中，同时运行数千个具有独特物理参数的机器人副本。这些机器人副本通过不断的试错学习，来应对各种不同的地形、负载变化以及外部干扰。值得一提的是，原本需要数年时间才能积累到的数据量，现在通过这种方式，仅仅数小时就可以完成训练，效率提升了超过千倍。
革命性技术，实现 “零样本迁移”
Figure AI 更具革命性的成果是实现了 “零样本迁移” 技术。也就是说，训练完成后的神经网络不需要进行额外的调整，就可以直接应用到实体机器人上。为了跨越模拟到现实之间的鸿沟，Figure 团队采用了两项关键技术：域随机化和千赫兹级扭矩反馈控制(实时补偿执行器误差)。
在最近的演示中，10 台 Figure 02 实体机器人同时运行同一神经网络策略，都表现出了稳定的自适应行走能力，这充分验证了该技术的可扩展性。
从依赖规则编程到实现自主进化学习，从只能在实验室特制场景中运行到能够在开放环境中部署，Figure AI 的实践有力地证明了：强化学习不仅仅是提升机器人运动性能的工具，更是一种能够重塑人机协作关系的技术哲学。随着模拟到现实的迁移效率不断提升，开发门槛不断降低，也许用不了十年，这些 “数字生命体” 就能以更加自然的姿态融入到人类的生活当中。
