突破性进展：Figure人形机器人30天速成物流分拣新模式

  在现代物流行业中，机器人技术的应用正快速地发展。最近，FigureAI发布了一段引人注目的视频，展示了其最新的人形机器人Figure02如何在仅仅30天的培训后，成功在物流工厂中进行快递分拣。这一速度与效率的突破意味着，机器人技术在实际应用中迎来了新的可能性，尤其是在处理扁平包裹的领域。与传统的长时培训需求相比，Figure的这一新模式标志着机器人技术的快速进步，揭示了未来工作方式的变革。

  Figure02的前身曾在宝马工厂从事汽车装配工作，但进入快递分拣的过程却只需一个月的时间实现部署。这一过程中，Figure利用了其新推出的VLM模型，借助摄像头，实现快递条码的自动识别，并且具备自我校正的功能。这在某种程度上预示着，尽管人形机器人的速度相比人类分拣员可能略逊一筹，但其高效与自动化的能力却为物流行业的未来开启了一扇新的大门，展现了机器与智能的融合之美。

  为了实现如此迅捷的上岗速度，Figure团队在系统1（S1）的视觉运动控制策略上进行了一系列重要的改进。其中，优化眼前的视觉表征尤为关键。新的系统通过双摄像头结合多尺度特征提取，构建出更为丰富的空间层次表征。这种方法不仅提升了机器人对微观细节的解析能力，同时也加深了其对整体场景的理解，从而明显提升了分拣的可靠性和准确性。

  此外，Figure还针对跨机器人迁移进行了重要的技术创新。机器人之间由于硬件差异导致的性能不一致，一直是行业发展的痛点。Figure的解决方案是通过视觉本体感受模型，利用机器人自带的视觉输入进行实时校准。这样的在线校准技术，使得多个机器人能有效共享同一训练策略，极大的提升了系统的适用性，也减少了人工校准的需求，为大规模部署提供了更大的可行性。

  在数据优化方面，Figure也展现出了其独到的见解。团队专注于筛选高质量的人类示范数据，确保所用数据不仅量大，而且质量优。针对分拣动作添加的自然修正行为，增强了系统对环境随机性的适应能力。此外，Figure利用运动模式加速技术，成功在不影响训练过程的前提下，将动作轨迹缩短并加快动作执行速度，实现了在测试阶段的高效运作。

  这些技术的提升使得Figure02在处理不一样的尺寸包裹时表现出了优异的鲁棒性，尤其是配备立体视觉后，其吞吐量较传统系统提升了60%。即便是未经过训练的全新场景，结合立体视觉的系统同样能够动态适应，展现出人形机器人在灵活应用中的巨大潜力。这一系列的进展不仅提高了工作效率，还为传统的物流作业提供了智能化的解决方案。

  未来展望中，Figure的潜力不仅限于物流分拣，还可以延展至更多的应用场景。从日常快递到复杂的生产线，甚至是灾后救援、紧急医疗支援等多样化场景都将看到人形机器人的双手。随技术的进一步成熟，预计未来机器人的培训时间将有望缩短到更短的周期。这些变化将重塑人类的工作方式，并为人们提供更多的可能性。

  综上所述，Figure人形机器人在物流分拣上的成功应用，展示了人工智能技术的突破与创新。尽管目前其效率尚不及人类，但未来随技术的进步，人与机器之间的合作将更加紧密。在这一进程中，企业也应该关注机器人的适应性与灵活性，为业务发展带来更多机遇。此外，随着人工智能技术的快速迭代，企业一定保持敏锐，及时作出调整战略，以充分的利用这些新兴技术所带来的的竞争优势。返回搜狐，查看更加多