炒股就看，權威，專業，及時，全麵，助您挖掘潛力主題機會！

投資建議：Figure發布Helix大模型，Helix 模型是一款通用視覺-語言-動作（VLA）模型，整合感知、語言理解和控製能力，突破多項技術難題，具備完整上半身控製、多機器人協作、可拾取任何物品、基於單一神經網絡學習和可商業部署等特性。Helix 是首個人形機器人自然語言直接控製模型，展現出了卓越的泛化能力，同時訓練效率較高，架構簡潔，為家庭服務機器人的廣泛應用提供了可能，也為Figure 公司在人形機器人行為拓展上邁出了關鍵一步。推薦標的為，受益標的為。

Helix為首個運用在完整人形機器人上的端到端大模型。Helix能通過端到端直接輸出整個人形機器人上半身的連續控製指令，以200Hz的頻率協調35自由度的動作空間，實現從手指運動、末端執行器軌跡，到頭部和軀幹姿勢的精準控製。此前眾多機器人模型在處理高維動作時，多采用分層決策模型，例如智元 EI-Brain分為四級，包括技能級的雲端超腦、技能級的大腦、指令級的小腦以及伺服級的腦幹；其他例如Google RT、清華RDT等雖將端到端模型應用於機器人，但多在機械臂上運行，硬件自由度與Helix控製的35個自由度相比仍較少。Helix端到端模型在高維動作控製能力方麵表現優異。

低數據量訓練效率更高，零樣本泛化能力卓越。Helix 的端到端訓練僅需約 500 小時高質量數據，一些傳統模型在訓練類似複雜任務時，可能需要數千甚至上萬小時的數據量，Helix大大減少了數據收集和標注的成本與時間。Helix控製機器人能操作訓練中從未見過的各類雜貨，通過簡單的自然語言指令完成協作，展現出對新物體和新任務的高度適應性，而多數模型在處理新任務或新對象時，往往需要大量特定的訓練數據進行微調，這意味著 Helix 具備強大的泛化能力，打破了傳統機器人需要大量特定樣本訓練才能執行任務的局限。

多機器人協作變為現實，Helix 同一神經網絡控製。在雜貨收納場景中，機器人之間的配合可以更快地將物品分類存放，預計Helix 模型能夠根據多機的性能、負載、位置等因素，動態地將任務分配給最合適的機器。兩台機器人使用相同的 Helix 模型權重，無需針對特定機器人進行訓練或明確角色分配，通過自然語言提示就能實現協作，簡化了多機器人協作的控製邏輯，提高了係統的通用性和靈活性。

風險提示：1）人形機器人產業化進程不及預期；2）產業政策落地不及預期。

⠦–‡章來源⠀

本文摘自：2025年2月23日發布的《Figure發布端到端模型Helix，開啟多機協作新時代》

肖群稀，資格證書編號：S0880522120001

張⠠⠨𖊯𜌨𓇦 𜨭‰書編號：S0880522090004

更多國君研究和服務

亦可聯係對口銷售獲取