在机器人技术持续推进的今天，如何让机器真正适应和理解人类生活环境，是一个关键而现实的挑战。Figure 公布了 Project Go-Big 项目，为这一目标带来了新的突破。这个项目的核心，是用互联网规模的人类视频数据预训练类人机器人，并实现了人类行为到机器人行为的直接迁移。这种方式，有望彻底改变机器人学习和应用的范式。
人类行为视频收集可以有效地覆盖现实世界的空间，捕捉可以直接转移到 Helix 的宝贵技能。长期以来，机器人学习依赖于人工示范、精细编程或者在高度可控的环境下采集数据。然而，这些方式不仅成本高昂，而且很难反映真实世界的多样性和复杂性。类人机器人由于形态和运动方式与人类高度相似，天然适合借鉴人类的行为。Project Go-Big 正是基于这一点，通过收集日常生活中人们自然而然的操作和行为，积累了前所未有的训练素材。特别是与 Brookfield 的合作，让 Figure 能够在全球超过十万套住宅、亿级平方英尺的各种空间中，采集到丰富的、真实的家庭生活数据。这意味着，机器人不再只是在实验室里学习标准动作，而是从千家万户的日常中汲取经验。
Helix 现在已经通过以自我视角拍摄的人类视频进行训练，展现了人们在大规模、多样化的情境中如何巧妙地实现目标。在数据预训练的基础上，Helix 模型实现了一个令人瞩目的里程碑。机器人可以仅凭人类视角视频的学习成果，实现无示范、无专门机器人数据的 “零样本” 导航。换句话说，机器人通过观察人类如何在家中穿行、避障、完成目标，就能理解并执行诸如 “去开冰箱”、“走到厨房桌子旁” 这样的口头指令，自动生成行动策略。这种从像素到低层次控制命令的端到端学习，过去只在视觉、语言领域取得过突破，如今首次在机器人导航和操作任务中落地。
仅仅通过 100% 人类视频的训练，Helix 就已经学会了根据自然语言指令在杂乱空间中自主导航。更进一步，Helix 现在已经可以将操控和导航融为一体，由同一个网络同时输出灵巧操作和空间移动的控制信号。这意味着未来的家庭机器人，不需要针对不同任务切换系统，可以用自然语言与用户交流，灵活处理复杂环境下的各种事务。数据和模型的统一，让机器人具备了更强的泛化和适应能力，也为大规模部署打下了基础。
而这一切的背后，是 Figure 对大规模、多样化真实世界数据的重视。与以往仅靠模拟环境或有限场景采集相比，Project Go-Big 的数据极具代表性和丰富性，有望推动机器人真正 “走进” 普通家庭。机器人不再仅仅是工业流水线上的机械臂，而是能理解人类意图、适应现实环境的智能伙伴。
目前，Figure 正在持续扩大数据采集和模型训练的规模，力图让 Helix 能力更全面、适应更多场景。对于未来，这种 “人类行为到机器人能力” 无缝迁移的模式，或许会成为机器人领域的主流。它不仅降低了训练门槛，也让机器人与人类社会的融合变得更加自然和高效。随着数据和技术的不断进步，家庭场景下的机器人助手，可能会比我们想象得更早走进现实生活。
