Figure 今天发布 Helix 2.5，最值得看的不是机器人会做家务，而是它开始把人形机器人带进陌生家庭测试。
在 30 个从未见过的真实家庭里，Helix 2.5 完成了整理客厅、叠毛巾、铺床三类长程任务。现场不采数据，不微调，也不做环境适配。
真正关键的是 Index 预训练。
在任务数据、模型结构和评测方式都一样的情况下，从零训练的策略成功率只有 9%，经过 Index 预训练后提升到 56%。
这说明人形机器人的泛化能力，正在越来越依赖大规模人类行为数据。
Figure 还观察到一个类似 Scaling Law 的现象。Index 数据规模持续增加后，下游机器人动作预测 loss 会稳定下降。
这件事的信号很强。
机器人可能也要进入大模型式路线了。数据越大，预训练越充分，进入陌生真实环境前学到的物理经验就越多。
56% 还远不到家庭机器人真正可用。
但方向已经很清楚。人形机器人下一阶段拼的，可能就是数据、算力和真实世界泛化。
#人形机器人 #具身智能 #机器人 #figureai #scalinglaw #ai前沿 #泛化