“AI 的下半场是落地，而具身智能将是最佳载体”。
Figure 自 2 月宣布与 OpenAI 结束合作转而拥抱完全自主研发路线后，动作频频。
先是于 2 月下旬正式发布其倾力打造的机器人操作系统 Helix，该系统被视为 Figure 实现“真正自主”的关键基石。不仅如此，搭载该模型的 Figure 02 也已进驻物流工厂，承担起快递分拣的重任，显示了其初步的商业化潜力。
紧接着，Figure 又于近日宣布，其工业机器人 Figure 02 通过纯强化学习算法，成功实现了如人类般自然流畅的行走。
强化学习驱动：突破 Sim-to-Real 难题
Figure 02 机器人能够像人类一样自然流畅地行走，其背后关键驱动力是强化学习（Reinforcement Learning, RL）技术。与传统的步态规划方法不同，Figure 团队并没有采用预先编程的固定行走模式，而是选择了端到端的神经网络，通过强化学习让机器人自主掌握行走的技巧。这种方法赋予了 Figure 02 更强的适应性和鲁棒性，使其能够在复杂多变的环境中稳定行走。
据 Figure 官网介绍，他们所采用的强化学习算法，旨在让机器人能够在不同的地形和负载条件下进行自适应行走。为了实现这一目标，工程师们构建了一个高度逼真的物理模拟环境，其中，数以千计的 Figure 02 机器人并联运行，每个机器人都有其独特的物理参数。通过模拟各种可能遇到的场景，机器人能够学习如何精确控制自身的关节，以实现平衡和推进。
值得注意的是，Figure 02 的行走控制策略完全是通过强化学习训练而成，没有任何人为步态设计或示教。这意味着，机器人是从零开始，通过在模拟环境中不断试错，逐步掌握了行走的技巧。
Figure 团队通过奖励机器人模仿人类行走的参考轨迹，从而使其能够学习到更接近人类的行走风格，例如脚后跟着地、脚尖离地和手臂摆动与腿部运动同步等特征的步态。此外，奖励机制还优化了速度跟踪、功耗以及对外部扰动和地形变化的鲁棒性。
然而，仅仅在模拟环境中训练是不够的。如何将模拟环境中的学习成果成功迁移到真实的机器人身上，是一个巨大的挑战，被称为 “Sim-to-Real” 问题。为了克服这一难题，Figure 团队采用了两种关键策略：
通过将域随机化与高频扭矩反馈控制相结合，Figure 成功地实现了零样本迁移（Zero-Shot Transfer），即无需额外的微调，在模拟环境中训练出的策略可以直接应用于真实的 Figure 02 机器人上。正如 Figure 官方所展示的，10 台 Figure 02 机器人在没有任何调整或修改的情况下，都能够基于相同的强化学习神经网络运行。
Figure 认为，这项技术为未来人形机器人在复杂环境中的应用奠定了坚实的基础。通过强化学习，Figure 机器人能够快速学习鲁棒的本体感受运动策略，并实现快速的工程迭代周期。
该技术的关键要点可以总结为：
-
强化学习训练：Figure 02 在高保真物理模拟环境中进行强化学习，通过试错优化步态，使其更接近人类的行走方式。
-
模拟到现实的迁移（Sim-to-Real Transfer）：通过域随机化（domain randomization）和高频率的扭矩反馈，使得在模拟中训练的策略可以直接迁移到现实机器人，而无需额外调整。
-
人类风格步态优化：通过奖励机制引导机器人学习符合人类步态特点的行走方式，如脚跟着地、脚趾离地、手臂摆动等。
-
稳定性与扩展性：策略能够适应不同地形、外部干扰以及机器人个体差异，实现稳定、可扩展的人形机器人步行能力。
摆脱对 OpenAI 等外部技术的依赖，转向自主研发，为机器人企业开辟了新路径。掌握核心技术，构建自主可控的软件平台，并结合硬件设计优势，已成为人形机器人突围的关键。
但要真正走向实用化，仍面临诸多挑战——如何增强感知能力？如何执行更复杂的任务？如何实现更自然的人机交互？此外，打造开放生态，汇聚全球开发者，共同推动创新，也是未来的重要方向。
想了解具身智能的最新进展、核心挑战与未来趋势？3 月 28 日 19:30，CSDN《万有引力》特别邀请北邮人工智能学院副教授陈光（@爱可可-爱生活）、深智院副研究员夏轩、Roboraction.AI CEO 黄浴，在CSDN &《新程序员》执行总编、《万有引力》主理人唐小引主持下，以“十问具身智能”为切入点，深度探讨通用机器人的真正边界！敬请期待！
（文：AI科技大本营）
