上一篇
FlexTok是什么？一文让你看懂FlexTok的技术原理、主要功能、应用场景
Helix是什么？一文让你看懂Helix的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
Helix概述简介
Helix 是 Figure 推出的通用视觉-语言-动作（VLA）模型，用于人形机器人的控制。Helix首创性地实现对机器人整个上身（包括手腕、躯干、头部和手指）的高速率（200Hz）连续控制，支持多机器人协作，多个机器人共用同一组神经网络权重完成任务。Helix 基于自然语言指令拿起从未见过的物品，表现出强大的泛化能力。Helix 的训练完全端到端，无需任务特定的微调，在低功耗 GPU 上运行，具备商业部署潜力。
Helix的功能特色
全上身控制：对机器人整个上半身（包括手腕、躯干、头部和手指）进行高速率（200Hz）的连续控制，实现高精度的动作协调。
多机器人协作：支持多个机器人同时运行同一套神经网络权重，实现协作完成任务，例如共同搬运或整理物品。
自然语言理解与执行：机器人基于自然语言指令完成各种任务，例如拿起从未见过的物品、操作抽屉或冰箱等。
强大的泛化能力：处理数千种形状、大小和材质各异的物品。
商业部署能力：完全在低功耗嵌入式 GPU 上运行，适合大规模商业化应用。
Helix的技术原理
系统2（S2）：基于 7B 参数的开源视觉语言大模型（VLM），负责场景理解和语言理解。处理频率为 7-9Hz，用于“慢速思考”高级目标，将视觉和语言信息转化为语义表征。将语义信息编码为连续的潜在向量，传递给系统1。
系统1（S1）：基于 80M 参数的 Transformer 编码器-解码器架构，用于底层控制。处理频率为 200Hz，快速执行和调整动作。将 S2 传递的潜在向量与视觉特征结合，转化为精确的机器人动作（如手腕姿态、手指控制、头部和躯干方向）。
端到端训练：从原始像素和自然语言指令映射到连续动作输出，使用标准回归损失进行训练。训练过程中引入时间偏移，模拟 S1 和 S2 的推理延迟，确保训练与部署的一致性。
解耦架构：S1 和 S2 分别运行在不同的时间尺度上，S2 负责高级语义规划，S1 负责实时动作执行。既保证系统的泛化能力，又实现了快速响应。
优化推理部署：在机器人上，S1 和 S2 分别运行在独立的 GPU 上，S2 异步更新潜在向量，S1 实时执行动作控制。
Helix项目介绍
项目官网：https://www.figure.ai/news/helix
Helix的技术原理
家庭服务：整理物品、收纳、操作家电等日常家务。
多机器人协作：多个机器人共享一套神经网络，共同完成搬运或组装任务。
物品抓取：基于自然语言指令抓取从未见过的物品，适用于物流和仓储。
工业自动化：用在复杂的人机协作任务，如零部件装配和质量检测。
服务行业：在酒店、餐厅等场所提供引导、递送和清洁服务。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
ElevenLabs Voice Design
ElevenLabs Voice Design是一个在线平台，允许用户通过简单的文本提示来设计和生成定制的声音。这项技术的重要性在于它能够快速创建出符...
Ocode AI
Ocode AI是一个AI驱动的编程辅助工具，能够帮助开发者通过上传UI设计图，自动生成React代码，从而加快开发速度，提高开发效率。它通过实时代码...
Free Midjourney AI Art Generator
Midjourney V6 API是一款通过人工智能将文本描述转化为生动艺术品的先进平台。它提供了多种模型选择，高度逼真的效果，以及灵活的尺寸适应。该...
MaskVAT
MaskVAT是一种视频到音频(V2A)生成模型，它利用视频的视觉特征来生成与场景匹配的逼真声音。该模型特别强调声音的起始点与视觉动作的同步性，以避免...
AI Copilot for Sheets - by Arcwise
AI Copilot for Sheets是一款基于Arcwise的早期访问Chrome插件，使用ChatGPT的人工智能，可以通过文本命令在Shee...
camelAI
camelAI是一个由Y Combinator支持的AI驱动的数据分析平台，旨在帮助企业用户无需编写SQL代码即可快速从数据中获取洞察。它通过自然语言...
Ariwave
Ariwave是一款AI图像生成工具，它可以根据用户的想象创造出任何图像。无论是现实世界的照片还是奇幻的幻想作品，Ariwave都能帮助用户实现。它使...
StoryMaster
Bubble是一个可视化编程平台，用户无需编码就能快速构建、设计和发布应用。它适用于初创创始人和有经验的工程师。Bubble提供了响应式设计、版本控制...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
