Helix 2.5: Zero-Shot 30-Home Generalization

Helix 2.5 靠 Index 人类数据预训练，零样本进 30 户陌生家庭做家务，成功率 9%→56%

Figure 发布 Helix 2.5，用 Index 人类行为数据集预训练单一基础模型，适配整理客厅、叠毛巾、铺床等全身行为，在 30 个湾区家庭零数据评估。官方称，与随机初始化且任务数据相同的策略对比，Index 预训练把零样本成功率从 9% 提高到 56%，只用 Helix 02 一半任务数据即达到同等成功率。评估要求完整完成全部物品归位、毛巾折叠或整张床铺好，不给部分分，机器人还展现后退、换站位等全身自我纠正。作者报告人类到人形机器人迁移缩放定律：Index 数据每次加倍都稳定降低下游动作预测损失，可提前预测最大运行损失。通用人形机器人尚未解决，但首次证明全身智能可从人类经验迁移而非逐环境重建；Index 持续生成人类经验，已投入 $3.5B 计算训练 Helix。

1. 1消融锁定唯一变量：零样本能力主要来自 Index 预训练
2. 2任务规范数据较 Helix 02 减半，泛化范围扩 30 倍
3. 3官方称 8× 数据外推预测误差仅 0.54%，可先算后花算力

为什么重要　官方自证「人类经验→人形全身零样本」首次规模化 + 可外推 H2R scaling law；若成立，机器人数据策略将从现场采集转向人类数据预训练。适合　具身智能数据/训练负责人、VLA 与人形机器人工程师

来源

figure.ai

发布

2026/09/17