在与OpenAI分道扬镳后，Figure AI公布了一项新的技术突破成果，人形机器人Figure 02能够以每小时2.68英里（约1.2米/秒）的速度像人类一样以自然步态行走——通过自主研发的强化学习系统，Figure AI不仅将机器人行走速度较前代产品提升近七倍，更在模拟到现实（Sim-to-Real）技术迁移领域树立了行业新标杆。

图片来源： Figure AI 官网

Figure AI是如何做到的？

2024年2月，Figure AI宣布终止与OpenAI的合作，全面转向自主研发。短短三个月后，其搭载全新操作系统Helix的Figure 02机器人便进驻物流工厂，承担快递分拣任务。而真正的技术爆发发生在行走控制领域：新一代Figure 02的行走速度达到2.68英里/小时，逼近人类正常步行速度（3-4英里/小时），较前代Figure 01的0.67英里/小时实现跨越式提升。

这一突破的核心在于彻底摒弃传统机器人控制方法。传统方案依赖工程师预设步态规则，需耗费数月调试特定场景动作；而Figure AI采用端到端神经网络，通过强化学习让机器人在虚拟环境中自主“领悟”行走技巧。其训练系统在高保真物理模拟器中，同时运行数千个具备独特物理参数的机器人副本，通过试错学习应对不同地形、负载变化及外部干扰。原本需要数年积累的数据量，如今仅需数小时即可完成训练，效率提升超千倍。

更革命性的是“零样本迁移”技术的实现——训练完成的神经网络无需额外调整，可直接部署至实体机器人。Figure团队通过两项关键技术攻克Sim-to-Real鸿沟：域随机化（随机化模拟环境中的物理参数以覆盖现实偏差）与千赫兹级扭矩反馈控制（实时补偿执行器误差）。在近期演示中，10台Figure 02实体机器人同步运行同一神经网络策略，均展现出稳定的自适应行走能力，验证了技术的可扩展性。

图片来源：Figure AI 官网

要让机器人行走“拟人化”，仅提升速度远远不够。Figure团队在强化学习框架中植入特殊奖励机制，引导AI模仿人类步态特征：脚后跟着地、脚尖离地时的发力角度，以及手臂摆动与腿部运动的协调节奏。通过对比人类运动捕捉数据生成的参考轨迹，系统自动优化步态参数，使机器人动作既符合生物力学效率，又具备视觉自然性。

这种“基于人类偏好”的训练策略，成功规避了纯算法驱动可能导致的机械式步态。例如在跨越障碍时，Figure 02会自主调整重心偏移幅度，其髋关节弯曲角度与人类应对同类地形时的动作相似度达92%。此外，系统还整合速度跟踪奖励（确保移动效率）、功耗优化（延长续航）及抗扰动奖励（应对推挤碰撞），形成多维度的运动优化体系。

技术文档《使用强化学习实现自然人形步态》揭示了更深层突破：同一神经网络策略可同时适应45种地形变化与20%的负载波动。这意味着当机器人背负10公斤货物行走在5度斜坡时，仍能保持步频稳定性，关节扭矩调整响应时间仅3毫秒——这相当于人类小脑神经反射速度的1.5倍。

图片来源：Figure AI 官网

与OpenAI终止合作后，Figure AI的转型战略愈发清晰。其自主研发的机器人操作系统Helix，集成了运动控制、任务规划与设备交互模块，形成完整技术栈。这种闭环开发模式的优势在物流场景中得到验证：部署于分拣中心的Figure 02，通过API接口接入工厂管理系统，自主完成包裹识别、路径规划与异常处理，任务中断率低于0.3%。

硬件层面的创新同样关键。Figure 02采用仿生关节设计，其串联弹性执行器（Series Elastic Actuator）在保障力量输出的同时，具备毫秒级形变补偿能力。结合强化学习策略的实时优化，机器人即便在瓷砖、地毯等不同摩擦系数地面行走，也能维持98%的步态一致性。这种硬件-算法的协同进化，使得单个机器人每日可处理800件快递分拣，操作精度达到±2毫米，远超传统机械臂方案。

还存在什么问题？

尽管取得突破性进展，Figure AI仍需直面三大挑战：

1. 感知升级：现有视觉系统在弱光、强反光等复杂环境中的物体识别率仅78%，需融合多模态传感器提升场景理解力；

2. 任务扩展：行走能力虽趋近人类，但爬梯、深蹲等复合动作完成度不足60%，需开发分层强化学习架构；

3. 能耗瓶颈：持续行走2小时后功率下降15%，亟待高能量密度电池与轻量化设计突破。

对此，Figure团队正构建开放开发平台，计划通过SDK工具包释放200TOPS算力资源，吸引开发者共创动作库。这种生态化策略或将加速技术迭代——正如其训练系统中数千机器人并行试错的逻辑，开放生态的海量场景数据，有望将算法成熟周期再压缩50%。

图片来源：Figure AI 官网

总结

从依赖规则编程到自主进化学习，从实验室特制场景到开放环境部署，Figure AI的实践证明：强化学习不仅是提升运动性能的工具，更是重塑人机协作关系的技术哲学。随着Sim-to-Real迁移效率的提升与开发门槛的降低，或许用不了十年，这些“数字生命体”就将以更自然的姿态融入人类生活。