从官方放出的演示中可以看到，它在接收到人类的提示后，就会按照指令逐一拿起桌上的物品放进冰箱。

　　整个上身控制，Helix是首个能对整个上身（包括手腕、躯干、头部和各个手指）进行高速率（200Hz）连续控制的VLA。

　　多机器人协作，第一个同时在两个机器人上运行的 VLA，使它们能够使用从未见过的物品解决共享的、远程操作任务。

　　拿起任何东西，只需按照自然语言提示，就能拿起几乎任何小型家居物品，包括数千种它们从未遇到过的物品。

　　一个神经网络，与之前的方法不同，Helix 使用一组神经网络权重来学习所有行为（挑选和放置物品、使用抽屉和冰箱以及跨机器人交互），而无需任何针对特定任务的微调。

　　系统2：VLM主干，基于在互联网规模数据上预训练的7B开源VLM，它将单目机器人图像和机器人状态信息（包括手腕姿势和手指位置）投射到视觉语言嵌入空间后进行处理。

　　系统1：80M参数的交叉注意力Transformer，用于处理底层控制。它依靠一个完全卷积、多尺度的视觉骨干网进行视觉处理，该骨干网由完全在模拟中完成的预训练初始化而成。

　　将 S2 生成的潜在语义表征转化为精确的连续机器人动作，包括所需的手腕姿势、手指弯曲和外展控制，以及躯干和头部方向目标。速度为200Hz。

　　他们在动作空间中附加了一个合成的 “任务完成百分比 ”动作，使 Helix 能够预测自己的终止条件，从而更容易对多个任务进行排序。

　　这种解耦架构允许每个系统在其最佳时间尺度上运行。S2可以“慢慢思考”高级目标，而 S1 可以“快速思考”以实时执行和调整动作。

　　并且Helix 不需要针对特定任务进行调整；它保持单个训练阶段和单个神经网络权重集，无需单独的动作头或每个任务的微调阶段。

　　而就在两周前，他们宣布取消与OpenAI之间的合作关系，当时就透露会在接下来的30天展示“没人在人形机器人上见过的东西”。

　　他们认为，家庭是机器人面临的最大挑战。与受控的工业环境不同，家里堆满了无数的物品。为了让机器人在家庭中发挥作用，它们需要能够按需产生智能的新行为，尤其是对它们从未见过的物体。

　　当前，教机器人一种新行为需要大量的人力。要么是数小时的博士级专家手动编程，要么是数千次演示。

　　与早期的机器人系统不同，Helix能够即时生成长视界、协作、灵巧的操作，而无需任何特定任务的演示或大量的手动编程。

　　Helix 表现出强大的对象泛化能力，能够拾取数千种形状、大小、颜色和材料特性各异的新奇家居用品，而这些物品在训练中从未见过，只需用自然语言询问即可。

(责任编辑：管理)