区分商业部署、有限部署、原型与研发项目。
机器人产品档案 · 07
Figure Helix 02
Figure AI · 研究与试点计划／美国 · 人形机器人 VLA 系统
研究／演示公司披露的全身自主能力演示最近核验：2026年8月11日
决策问题视觉上令人印象深刻的端到端自主演示证明了什么，又有哪些仍未知？
07
FUURAA 核心判断
Helix 02 表明 Figure 正在整合感知、语言条件控制与全身动作；在缺少独立重复测试、失败分布和运行约束前，它仍是研发信号而非部署证明。
阅读方法
不要只问机器人会做什么；要问完整系统如何工作、如何失败、由谁恢复。
盘点本体之外的软件、载荷、设施与人员。
从演示走向重复测试、现场数据与可审计记录。
写清一手披露仍不能证明什么。
系统与工作流拆解
四个相互依赖的层次，把产品名称还原为真实运行条件。
每层同时说明它承担什么，以及采购、研究或部署时最应观察什么。
环境感知
系统从传感输入理解物体、空间与任务语境。
任务策略
学习模型把指令与观察映射为动作序列。
全身控制
移动与操作需在接触和负载条件下保持协调。
运行边界
部署需要已知环境、监督与支持流程。
决策评估清单
五项检查，把产品兴趣转化为可验证的采购、研究或试点问题。
先定义任务、接口、安全与运营，再要求能支持结论的证据。
- 01
任务适配
把演示转化为成功与失败定义明确的狭窄任务。
- 02
集成负担
识别传感、计算、网络、工具与工作流依赖。
- 03
安全论证
要求独立停止、访问控制与恢复程序。
- 04
运营模型
估算监督、数据采集、再训练与维护劳动。
- 05
应索取的证据
索取重复试验、干预记录、未见变化与失败分类。
适用边界
产品存在、视频演示或商业协议，各自只能支持有限结论。
- 01
经过筛选的视频无法揭示失败频率与分布。
- 02
端到端学习本身不能证明安全性、鲁棒性或通用性。
- 03
该演示不能证明商业可得性或客户运营结果。
来源与证据状态
一手产品资料与独立评估框架分开呈现。
日期、来源身份、可支持的判断与阅读边界均可复核。