Figure 的两个机器人协作收拾卧室，是我一段时间来看过的最印象深刻的具身智能工作了。

Figure 介绍了为啥要训练两个机器人协作：现实世界中绝大多数工作都属于需要和他人协作的空间，比如家里、仓库、工厂以及任何存在其他人或物体不断移动的环境，这意味着机器人仅有孤立的技能是不够的，还需要观察环境里的其他人或物、实时做出反应，并且依靠彼此的行动来朝着同一个目标推进。

驱动这俩机器人的模型是 Helix 02，这是一个端到端模型，从像素到全身，他们用了超过 1000 个小时的全身人体数据训练了 Helix 02，取代了之前 109504 行手写的 C++ 代码。

这里的从像素到模型指的是所有的传感数据从头部/掌心摄像头、指尖触觉传感器和全身本体感觉传感器输入到 Helix 02 模型，输出的决策直接控制头部、手臂、手腕、单个手指及躯干、腿部...

想象一下开门的动作：人走到门前轻微俯身向下掰门把手，再轻微侧身变换手势和身体姿态把门拉开，这需要从像素到全身的完整推理执行。

这两台机器人执行了开门、挂衣服、收起耳机、合上书、倒垃圾、把椅子推回桌子底下，然后一起合作铺床。

两个机器人运行的是同一个模型，但彼此没有共享的路径规划、没有通信，也没有一个中央网络负责协调，也就是说，两个机器人都是直接通过摄像头读取房间里的状态，然后仅凭协作伙伴的动作来推理对方的意图，合作完成了铺床的动作。

合作铺床其实非常难，因为 A 机器人的每一个动作，都会影响和重新定义 B 机器人正在执行的任务。而被子本身是柔性的，没有固定的形状，也没有标准化的抓取方式，两个人你负责那边我负责这边，中间的界限也是模糊的。

所以你必须一边推理和执行自己的动作，一边理解对方意图并预测对方的动作，非常的印象深刻。

当然，如果你看得够仔细的话，在铺床的时候，两个机器人出现了 3 次停下来 - 对视 - 点头继续，这就好比各位牛马搬砖的时候动不动就要「开个会对齐一下」。

铺床还是太复杂了，需要多多对齐。