图片来源：Sourcery with Molly O'Shea
Z Highlights
我们希望用一套硬件，让它能在世界里做所有人类能做的事情。比如家务、洗碗、洗衣、制造、医疗，以及尽可能多的其他事情。
你不能靠写代码让这东西真正工作。一台机器人有40多个运动关节，可能处于的身体状态比宇宙中的原子数量还多，真正的难点是如何控制它。
我们发现，靠代码解决人形机器人控制问题无法扩展。你不可能让一群人坐在房间里，把机器人可能遇到的整个世界都编码进去。
真正AGI最后缺失的一块，可能就是和现实环境的真实世界互动。机器人通过触碰世界、看到结果，并在试错中学习，这也是人类智能很大一部分的来源。
Figure 04可能会是我们的第一个iPhone 1时刻。我们现在还像人形机器人里的翻盖手机，而下一代会完全不同，可能是目前为止最大的一次跃迁。
Brett Adcock是人形机器人公司Figure的创始人兼CEO，曾创立电动垂直起降飞行器公司Archer，如今主导Figure在通用人形机器人、Helix神经网络、机器人制造与物理世界AI等方向的研发。本次访谈由Sourcery主持人Molly O’Shea在2026年5月完成，首次完整走进Figure位于圣何塞的机器人园区，围绕Figure当前的产品、技术以及人形机器人通往AGI的可能路径展开。
Figure在同一园区里设计、制造、测试人形机器人
Brett Adcock：欢迎，很高兴见到你，欢迎来到Figure。
Molly O’Shea：谢谢。我们现在在哪里？这是什么地方？这是总部吗？
Brett Adcock：这是一个机器人园区。我们在这里制造机器人，制造人形机器人。我们在这里设计它们、建造它们，也在这里测试它们。
Molly O’Shea：对那些还不知道人形机器人是什么的人来说，等下他们就会看到，因为这有点吓人。你可以先解释一下它们是什么吗？
Brett Adcock：我们的目标，是打造先进AI，并把它放进一个通用的人形身体里。所谓人形机器人，基本上就是一种拥有类似人类形态的机器人：它有手臂、手、头、脚和腿。我们希望用一套硬件，让它能在世界里做所有人类能做的事情。比如家务、洗碗、洗衣、制造、医疗，以及尽可能多的其他事情。我们的目标就是设计并交付人形机器人，让它们进入现实世界，去做尽可能多的工作。
Molly O’Shea：我们现在在屏幕上看到的是？
Brett Adcock：这是我们最新一代机器人Figure03，正在做一点类似礼宾接待的工作。
Molly O’Shea：很酷。那今天我们会看到什么？计划是什么？
Brett Adcock：来吧，我想带你看一些机器人。首先，这里有一些机器人会24/7在办公室里运行，和人交流、迎接访客，也做一些有用的工作。它们可以完全自主运行，不需要人类介入，还能自动回到充电桩充电。充满之后，它们会自己离开，再继续工作。这些正在停靠充电的机器人，是通过脚来充电的。我们有一个无线充电站，类似你给手机感应充电。机器人可以通过脚以2kW的功率充电。电池大概能持续4到5小时，充电大概一小时后，就可以继续回去工作。所以我们不需要做任何事，不需要给它插线。它们可以自己充电，并支持24/7运转。
Molly O’Shea：这一台现在的角色只是做停靠充电练习吗？这些机器人会四处走动吗？
Brett Adcock：会，它们会走动。现在只是在这里充电，等下会出去做有用的工作。
Molly O’Shea：我也看到这几台了。其中有一台比较特别吗？
Brett Adcock：对，就是这台带美国国旗的机器人。它上周去了白宫。
Molly O’Shea：这是怎么发生的？
Brett Adcock：我们接到电话，被邀请成为第一批把人形机器人带进白宫的团队。所以上周，我们把机器人带到了那里。他们在那里做事情、交谈、接待人。我们参加的是一个非常特别的活动，现场还有第一夫人。整个过程非常顺利，也很令人兴奋。这里是我们的公司总部。我们园区一共有四栋楼，在这里做大量基础工程和设计工作。
Molly O’Shea：这里有多少人在工作？
Brett Adcock：这里大概有250到300人，公司总人数大概是500人。我会说绝大多数都是工程团队。然后我们也一直在扩张制造、供应链，以及一些和“如何制造更多机器人”相关的团队。
Molly O’Shea：这里有多少台机器人？
Brett Adcock：在有几百台。
Molly O’Shea：它们会超过人类数量吗？
Brett Adcock：我的目标是，在这栋楼里，让人形机器人的数量超过人类。它们不一定都要走来走去，也可以坐着、交谈。这里我们会做大量基础硬件和软件验证测试，比如老化测试、耐久性测试，以及所有新软件和新硬件的验证。你会看到机器人在这里做各种疯狂的事情。
Molly O’Shea：那绝对像是在做瑜伽。
Brett Adcock：我们会让机器人趴到地上，再自己站起来。我们基本上是在压力测试机器人，试图找出任何潜在故障。任何新的硬件或软件发布之前，都要在这里测试。如果我们有新摄像头、新结构，或者其他新东西，都会先在这里验证，然后才能送出去。
人形机器人有比宇宙原子更多的身体姿态：不能靠写代码控制它
Molly O’Shea：它们可以做多少种身体动作？
Brett Adcock：这件事有点疯狂。机器人基本上由大约40个电机组成。每个电机都可以360度旋转。所以从数学上看，它可能处于多少种身体状态？大概是360的40次方。这比宇宙中的原子数量还多，真的很疯狂。所以真正的难点是：你怎么控制它？你不能靠写代码让这东西真正工作。我们所有机器人都运行在一个叫Helix的神经网络上。它是一个视觉-语言-动作模型，是我们内部设计的，用来告诉机器人该做什么、如何保持平衡，以及如何移动关节。它是从摄像头像素空间出发，决定身体动作。
Molly O’Shea：所以做Helix的团队也在这栋楼里？
Brett Adcock：对，他们就在这栋楼里，在这边。他们非常强。我们有大规模数据采集工作，然后在内部训练自己的模型，也在这里测试。这不仅仅是为了平衡和稳定性，虽然我们确实需要类似人类的稳定性。它还涉及机器人怎么知道该做什么。它怎么接受人类输入？怎么理解摄像头看到的画面？怎么输出每一个关节、身体位置、脚和手该怎么动？它可能是在叠衣服，也可能是在做制造或物流任务，后面你会看到这些场景。我们必须每秒做几百次这样的决策，从摄像头图像出发，让机身上的神经网络实时运行。这是一个非常难的问题。这里所有测试工位里的机器人，都在进行某种耐久性或可靠性测试。
Molly O’Shea：为什么有些机器人穿着不同的衣服？
Brett Adcock：我们会给它们穿衣服。所有衣服都是织物，就像人类衣服一样。它们可以穿不同服装，这很酷，因为你可以按照想要的方式给机器人搭配。我们的客户也可以让机器人穿不同服装，比如带客户logo和颜色。
Molly O’Shea：这是一种新层级的周边商品。
Brett Adcock：对，也可以说是周边商品。而且这也很实用。比如衣服脏了、破了，我们可以很容易替换，不需要技术人员。所有机器人背后都有一个小拉链，可以拉开，把衣服脱下来，再换新的。当然，它也确实很酷。
Molly O’Shea：它们的鞋看起来像真的运动鞋。
Brett Adcock：是高帮鞋，高帮运动鞋。它们看起来很棒，对吧？
Molly O’Shea：是，它们看起来真的像人类身体。
Brett Adcock：从实验室走到这种基础设施水平，能够每天这样运行机器人，其实非常困难。我们必须非常严谨。一旦发现问题，要能追踪、快速做故障分析，然后解决它，并把解决方案应用到全球机器人队列，或者说整个机器人fleet上。
Molly O’Shea：在同一时间，你们通常会有多少机器人处于开发和测试中？这些测试工位是一直运行的吗？
Brett Adcock：对。这个实验室的目标，是对所有可能进入机器人的软件做最终检查。可能是嵌入式软件，可能是神经网络Helix，可能是机器人固件。任何新的硬件变化，也必须确保足够可靠，才能离开这里。如果我们在物流或家庭场景里运行机器人，而机器人出问题了，我们却不知道为什么，那对我们来说非常糟糕。所以这里会做大量测试。每天早上我们都有测试计划，然后一路跑下来。如果看到任何潜在故障，就要解决，再重新跑测试。
这些机器人会每天、每周持续运行，而且我们会非常高强度地运行它们。目标是不要在这个实验室之外才发现故障。这里系统集成测试区域的标语是：Trust but verify。我们必须确保，在机器人离开这里之前，把所有可能出错的东西都跑一遍。这是一件很难的事。机器人有40多个运动关节，它有点像一台会走路的手机，也像一辆自动驾驶汽车。整个供应链基本都是新的，我们几乎设计了所有东西。而且它不像静态稳定的东西。如果我们失去电力，机器人就会倒下。所以我们不能断电，不能失去通信，而且必须随时保持平衡。即使身体在动，骨盆、髋部、手、头都在互相影响，它也必须保持平衡。这是一个相当困难的问题。
Molly O’Shea：所以它们电量到15%左右就会去充电桩？
Brett Adcock：对，大概10%到15%时，它们会去充电桩。如果我们需要另一台机器人，就从充电桩上换一台出来。后面你会看到物流和其他需要持续24/7注意力的应用场景。当一台机器人要离开去充电前，另一台机器人会提前离开充电桩，然后在大约30秒内接替工作。第一台机器人则去充电。这个流程每4到5小时重复一次，全天候运转。
现在最常见的故障已不是硬件：Figure的难题转向软件、AI和稳定性
Molly O’Shea：它们最常见的错误是什么？
Brett Adcock：现在大多是软件问题。硬件已经变得非常可靠。这里的硬件很好，现在主要是软件问题。我们这里有机器人在做波比跳。我们希望在任何事件发生时，它都能安全地趴到地上，然后安全地站起来。比如我们不确定下一步该做什么，或者电池很低，它可能需要先安全地趴下。然后我们希望它能很容易从地上站起来。这其实很难，需要腿和髋部有很大的运动范围，才能完成这样的动作。
Molly O’Shea：它需要一些护膝。为什么关节是硬的？为什么不用软组织？
Brett Adcock：上半身和躯干大多是软的。腿和手臂下面也有一些软泡沫。当然，软垫越多越好，但它会增加体积和质量，让机器人看起来更大。
Molly O’Shea：基本上就是一些更厚的机器人。
Brett Adcock：对。
Molly O’Shea：你每天都会进办公室看它们吗？它们像你的孩子吗？
Brett Adcock：当然。它们有点像小孩，是我们造出来的，现在我们要让它们做有用的事情。好消息是，硬件已经到了一个非常可靠的阶段，我们可以让它们全天候运行。我们仍然会看到一些硬件故障，但已经很少了。现在大部分问题都在软件和AI上。就像孩子长大一样，我们现在的问题是：怎么让软件极其稳定？怎么让神经网络真正24/7做有用的事情，而且不出故障？说到软件，我们最喜欢做的一件事，就是推机器人。
这里是Moritz，他负责Helix控制团队的一部分。也许你可以给她快速介绍一下我们这里的S0控制器，然后我们很希望你尽可能用力去推机器人。我们最近在这个控制栈上完全切到了强化学习。我们可以在训练时，在模拟环境里给机器人各种变化。这样很多边界情况会被控制器看到，控制器就会变得更稳健。比如对基于模型的机器人控制栈来说，这种外部扰动可能会让它失控。但我们现在的系统对外部作用力非常稳健。
Molly O’Shea：我真的可以推吗？
Brett Adcock：来，推一下。真的，用力。
Molly O’Shea：如果它们被攻击怎么办？你知道，有人会攻击Waymo，也有人会攻击Bird scooter。它们有防御机制吗？
Brett Adcock：防御机制？
Molly O’Shea：没有吗？没有训练它们？它们不上网吗？
Brett Adcock：不伤害人类。它们在这里是为了帮助人。需要的话，它们可以挨一下推。
Molly O’Shea：它感觉很重。
Brett Adcock：大概135磅，但其实它有接近人类水平的稳定性。就像刚才Moritz说的，我们是在模拟器里学习这种覆盖范围。整个控制器在合成环境中学习如何保持稳定，如何在特定外力下不跌倒。然后我们可以把它零样本迁移到这台机器人上，也就是直接加载到机器人电脑里，就能在控制器上得到这种表现。
Molly O’Shea：最常调整的是什么？你显然要平衡很多物理问题。你们怎么在软件里调整这些？
Brett Adcock：我们会花很多时间思考：真实世界里可能发生在机器人身上的所有事情是什么？然后在模拟里让这些事情发生。模拟器有物理系统，有重力，有摩擦系数。我们希望尽量镜像机器人在这里会遇到的各种力。我们可以先在模拟里运行。如果它在模拟里跑得好，我们看到的是，仿真到现实的迁移非常好。也就是说，它在像电子游戏一样的模拟器里能保持稳定，把它加载到真实机器人后，也能在真实世界里看到同样表现。我们的迁移成功率非常高。
Figure核心选择：不为单一任务造机器人，而为通用任务造同一套身体
Molly O’Shea：你能谈谈你们的机器人和其他人形机器人之间的区别吗？这些机器人的身体形态和行为机制，看起来和一些更商业化导向的机器人不一样。你们这些机器人是我见过最像humanoid的。
Brett Adcock：我们是纯粹做人形机器人的公司。我觉得有几件事很重要。第一，我们必须把硬件做到足够好，让它能做很多人类能做的事情。你会希望出现一个类似iPhone的时刻。我的iPhone上有很多app，如果我想学一个新东西，只要下载另一个app。人形机器人也应该类似。同一个人形机器人，应该既能洗碗、洗衣，也能做包裹物流、医疗和其他事情。这就是人类的特点：相当通用。所以我们希望用一套硬件，去分摊到大量不同应用场景上。
目标是把硬件做到足够可靠，能完成大多数人类身体可以完成的事情。它要有足够运动范围，能蹲下、站起来、伸到高处、伸进水槽，完成各种动作。它还需要能承载一定负载，并以不错速度运行。我们就是按照这些要求来设计硬件的。软件和I方面，你真正想要的是设计神经网络，让它可以接受任务，通过像素空间推理，读取摄像头视频，然后输出身体应该怎么做。我们前面算过，机器人可能处于的状态数量极高。这个问题会失控，出现维度灾难。它太难了，所以不能靠写一行行代码解决。
传统机器人学里，甚至三四年前在Figure，我们也会用代码去解决同样的控制问题。我们会写几十万行C++，去解决倒立摆数学问题，让机器人保持平衡。但我们发现这不扩展，也不可行。你不可能让一群人坐在房间里，把机器人可能遇到的整个世界都编码进去。所以我们转向了完全基于神经网络的路线，也就是Helix，我们的神经网络架构模型。
Molly O’Shea：我知道你刚才提了几次，但普通观众可能不知道神经网络是什么。你能再解释一下吗？
Brett Adcock：我们使用的是一种AI策略模型，用数据训练出来。我们训练了一个Transformer策略模型，让它输出某种动作空间。也就是说，过去代码要做的事情，现在由这个AI策略模型去学习并完成。现在我们在机器人机身上运行推理，运行的是我们内部设计的HelixAI模型。你可以类比成和大语言模型对话：你问它一个问题，它做推理，然后输出类似“预测下一个Token”的文字。
我们这里做的是类似的事情，只不过对象是一个物理人形机器人。它输出的是手腕放在哪里、头怎么动、躯干怎么动，以及每一个关节该怎么动。这个过程每50到200毫秒发生一次，也就是每秒50到200次。神经网络计算机会不断告诉所有关节应该做什么。然后在每个关节层面，我们的电机控制器会输出扭矩，让电机到达对应位置。所以这里基本有两条路。一条是靠编码解决，我认为那是一条完全的死路。另一条是在市场中采用AI-first strategy，也就是“AI优先”的策略。这就是我们在Figure做的事情。从硬件角度，我认为我们可能有世界上最适合做通用工作的 humanoid hardware。
第二，我们所有工作都是基于神经网络或AI的。我们不再为这些任务手写代码。今天你会看到一些应用场景，包括家庭和商业市场里的场景。它们都由Helix神经网络运行。这很难，因为我们必须让整个身体基于摄像头画面推理，并在动态环境中快速定位自己。比如物流场景里，包裹是移动的；因为它们是塑料材质，我们抓取时它们也会移动。机器人必须实时理解这一切。如果东西在实时移动，它必须做闭环反应。这个问题非常难。我们过去两年大部分时间都在解决它。我认为我们现在可能拥有地球上最好的humanoid AI policies之一。
“Never Fall”：Figure把不跌倒当作人形机器人最重要的底层协议之一
Brett Adcock：我还想给你看另一件事。我们刚从系统集成和测试实验室走出来，那里会寻找各种故障情况。对人形机器人来说，一个很重要的故障情况是平衡问题。如果我们失去电力，机器人会倒下。失去腿部某个电机，也会出现类似问题。
Molly O’Shea：它们需要连接Wi-Fi吗？它们到底需要哪些连接？
Brett Adcock：这些机器人有5G、Wi-Fi和Bluetooth，但它们不需要连接Wi-Fi才能工作。这里的机器人如果失去互联网连接，仍然可以继续工作。Helix是在机器人机身上运行的。模型被加载到机身GPU的内存里，推理也在机身上运行。也就是说，即使失去互联网连接，它们仍然可以继续做家务和物流任务。人类也是这样，虽然我可能没有网络会有点难工作，但大多数人仍然可以完成大部分工作。
我们正在解决的另一个问题是：如果40个关节里的任何一个失去通信怎么办？或者如果失去电力怎么办？上半身还好。如果你失去手腕或肘部，至少不会摔倒。但跌倒对我们来说是一个很糟糕的事件。我们永远不想让机器人跌倒。我们内部有一个项目，叫Never Fall。意思是我们永远、永远不想跌倒。我们当然会跌倒，但我们不能容忍它。对控制器来说，最难的问题是：如果失去脚踝、膝盖或髋部怎么办？如果只是失去一个膝盖，通常人形机器人就会直接倒下，因为很难再保持平衡。
我们内部有一个项目叫Vulcan。它可以让机器人在失去腿部单个甚至多个关节时，仍然不跌倒。现在我们可以演示一下。如果失去左膝会发生什么？这里你可以看到机器人不同关节的状态。绿色代表我们有通信和电力，机器人可以正常通信。红色代表失去了某些通信。现在我们失去了左膝。你可以看到机器人在左腿上有点跛行。
Molly O’Shea：膝盖锁住了？
Brett Adcock：对，我们对膝盖做速度锁定，然后它可以跛行移动。
Molly O’Shea：我本来以为会更戏剧化一点。
Brett Adcock：这其实不差，对吧？能做到这种工作本身就不可思议。这同样是在通过强化学习训练出来的神经网络控制器中完成的。和Moritz前面说的一样，我们在模拟中学习如何移动身体，以及在失去不同关节时怎么继续保持稳定。几周前我看机器人做这个项目时，它还在执行一个物流应用场景。几个月前，如果它失去一个膝盖，它会直接倒下。现在，它失去膝盖后，要么继续做工作，要么自己跛行离开，然后请求后面的另一台机器人来接替。另一台机器人过来填补位置，继续工作，我们基本不会损失时间。
Molly O’Shea：这挺厉害的。
Brett Adcock：非常厉害。这要归功于控制团队。我认为我们有世界上最好的控制团队之一。大约一年前，我们强烈转向，从代码转向神经网络。我认为这个团队已经展示了世界上最好的人形机器人控制神经网络之一。
Molly O’Shea：如果它正在弯腰时失去膝盖，会发生什么？
Brett Adcock：会对膝盖做速度锁定，然后应该能跛行移动。当然，这取决于当时它处于什么状态。如果它正处在很深的下蹲状态，那可能会很难。但在多数情况下，我们现在基本可以恢复并存活下来。我们要构建一个实时操作系统，基本上要做到没有故障。
Molly O’Shea：所以这里这个团队，都是在尝试找出所有潜在故障和风险吗？
Brett Adcock：这个团队负责构建我们的控制器。控制器负责整个机器人所有关节怎么运动，怎么保持平衡，以及最终怎么完成任务。
Molly O’Shea：公司里有多少不同团队？你们怎么划分谁做什么，谁负责集成？
Brett Adcock：这里是AI团队的一部分，AI是我们最大的团队之一。AI部门内部有多个不同小组。我们还有硬件团队，负责设计电机、电池、线束、结构、关节、运动学等大量东西。我们有平台软件团队，负责嵌入式软件和固件。还有电子团队，负责构建所有PCB和电子系统。机器人上有超过100块PCB是我们内部设计的，比如电机控制器，以及各种电子工作。
我们还有系统集成测试团队，就是你今天看到的，确保我们把好的机器人交付到世界上。还有工业设计团队，后面会带你看。他们要解决的问题是，怎么设计一个人们真正想要的东西。我们在这里有非常高的设计标准，希望设计出令人愉悦的技术。我们还有系统设计和热管理团队。机器人移动时会产生热量，我们要解决怎么把热量从机器人内部导出，以及如何围绕这一点设计。
此外还有制造原型团队，用来制作原型。还有otQ制造团队、供应链团队、设施团队，以及所有业务运营团队。内部大概有十几个团队，才能完成这些事情。这和我以前在Archer造飞行器时需要的团队类似。那也是一种飞行机器人，有电机、电池、控制软件、嵌入式系统和传感器。你基本上需要围绕这些东西组建团队。当然，在Figure，AI是一个非常重要的焦点。
家庭机器人不是远程操控：Figure想让同一个Helix同时做家务、物流和制造
Brett Adcock：你想看一些家庭场景里的东西吗？
Molly O’Shea：想。
Brett Adcock：走吧。谢谢Moritz。
Molly O’Shea：谢谢。我本来希望失去膝盖会更戏剧化一点。
Brett Adcock：说实话，这是一个非常难的工程问题，我们内部非常自豪。我们有一个很大的项目，其中一个团队就是neverFall团队。他们会预测潜在故障，并围绕这些故障进行设计。我们始终会遇到某个时刻：机器人可能失去下半身某个电机执行器。问题是，我们如何在这种情况下存活下来？除了商业市场，我们一个很大的重点，是如何交付一个通用机器人，让它进入家庭做事情。过来看。这里有一台机器人，设计目标是整理房间。它会清理桌子，把杯子放好，收拾玩具，整理沙发，做这类事情。
Molly O’Shea：我的房子也需要这个，特别是清理桌子。
Brett Adcock：对吧？我们都需要这个。这里很酷的是，机器人正在运行机身内置的Helix2神经网络，来完成这些清洁工作。它会接收一个提示，比如“clean the living room”，然后通过摄像头看到的画面推理要做什么，最终由神经网络告诉整个身体怎么行动。
Molly O’Shea：这需要多少训练小时？不是需要几百万小时来训练吗？
Brett Adcock：我们现在正在做的Helix基础预训练和中期训练模型，总数据量可能接近一百万小时以内。然后在中期训练和预训练之后，我们还会做后训练，这部分大概是数千小时级别。对我们来说，目标是设计一个单一神经网络平台。它既能整理客厅，也能做物流。
Molly O’Shea：这不是远程操控吗？有传言说这些是远程操控的。你确定不是？后面没有秘密房间？没人躲在那里？
Brett Adcock：没有秘密房间。这些机器人完全自主运行，依靠的是机身内部的AI策略模型，也就是Helix。它运行在机器人躯干里的计算系统上。
Molly O’Shea：这台机器人的任务就是清理这个房间？它每天反复做这个吗？还是机器人轮流来？
Brett Adcock：机器人队列里的任何机器人都能做这里的任何工作。
Molly O’Shea：所以它们都是连通的？
Brett Adcock：对，都是连通的。我们运行的是一个单一神经网络。人类之所以伟大，是因为同一个人可以去做物流、医疗、制造，也可以洗碗。所以我们的平台，就是在机器人机身上运行一个叫Helix的单一神经网络，让它可以在不同任务之间多任务切换。
Molly O’Shea：它们进入人们家里时，数据还会继续用于训练吗？数据会留在本地，还是被传到整个网络里？
Brett Adcock：我们需要数据。基本上，对我们来说，从现在的位置走向大规模部署，最大的阻碍就是数据。我们需要大量数据。我们需要把更多资源投入到Helix团队的预训练中，也需要世界各地多样化、高质量的数据。这意味着家庭里的数据，也可能意味着商业市场里的数据。所以我们现在有两项工作。第一，是公司内部正在进行的大规模数据采集。第二，当我们部署机器人时，我们确实希望收集数据，并基于这些数据训练。我们希望把这些数据送入中心化训练任务，然后用最新的神经网络权重，对机器人进行软件更新。
Molly O’Shea：会匿名化吗？你们怎么处理隐私？
Brett Adcock：我们希望全部匿名化。其实有很多数据我们并不关心。大部分我们关心的数据，是从状态角度看，机器人看到了什么，以及我们如何用这些数据训练机器人，让它未来在不同场景中泛化得更好。
Molly O’Shea：你们现在主要还是在美国吗？因为如果进入欧洲，会有更多隐私问题。
Brett Adcock：我们今天大部分工作都在美国。我们确实希望全球化。欧洲会稍微复杂一点。
Molly O’Shea：你们计划怎么处理？怎么绕开他们的数据隐私要求？
Brett Adcock：我们必须遵守当地规则。我们的假设是，现在我们缺少某一类数据，而我们正在收集这些数据。它会让机器人在几乎所有条件下更好泛化。我们每天反复做很多类似的事情，比如洗碗、洗衣、整理家里。我们看到的东西和动作有很多重复，比如从地上捡东西、把东西放回去、打开洗碗机。很多动作是类似的。我们的假设是，现在的数据采集会对预训练带来大量正向迁移，然后进一步迁移到世界上的各种环境中。随着时间推移，要覆盖所有分布外情况、做到世界上所有事情，确实需要非常大量的数据。但我们认为有一条路径可以做到。
Molly O’Shea：家庭机器人和商业机器人之间，价格点会有什么区别？
Brett Adcock：家庭机器人近期不会直接出售。我们希望未来在近期开启销售或部署时，它更像汽车租赁一样，每月几百美元，可能是四五百美元、五六百美元。
Molly O’Shea：你们怎么考虑把它们部署到家庭里？你们需要看人们家里有没有足够空间吗？比如纽约的小公寓，我很难想象。
Brett Adcock：它大概占2英尺乘2英尺。你可以把它插到普通墙壁插座上，机器人会去充电桩充电。白天它会出去做工作，做你希望它做的事情。对我来说，我希望它几乎每天洗衣服，每天洗碗，并且一天整理好几次房子。
Molly O’Shea：们有特殊饮食吗？
Brett Adcock：它们吃什么？什么都不吃。它们只是24/7工作。
Molly O’Shea：就是一直间歇性禁食。
Brett Adcock：对，它们像处在某种炼狱状态里，余生都在24/7工作。
Molly O’Shea：听起来很有趣。
BotQ不是展厅：Figure在这里把头、电池、四肢和手组装成能走出工厂的机器人
Brett Adcock：接下来我想带你看我们怎么制造它们。这里叫BotQ，有点像HQ，但它是机器人的HQ。
Molly O’Shea：是BotQ。我还以为你说的是Baku。
Brett Adcock：不，是BotQ，robot quarters。这里很酷的一件事是，我们和BMW合作过。去年，我们在BMW的车身工厂线上部署了6个月机器人，用来造车。
Molly O’Shea：它造了这一整辆车吗？
Brett Adcock：不是整辆，但它帮助建造了这辆车。这是一辆X3，机器人参与了它的组装。就我们所知，这是世界上第一辆由人形机器人参与制造的汽车。
Molly O’Shea：直接从装配线下来的？
Brett Adcock：直接从装配线下来。我买了前四辆。园区里有三辆，我家里有一辆。它算是收藏品，我不知道怎么说，但很令人兴奋。这是我们的园区。我们有四栋楼。我们会穿过制造场地BotQ，然后我也会带你看上面一个叫The Grid的地方。The Grid的目标，是像客户现场那样运行机器人。可能是家庭场景，也可能是商业场景，做24/7运转。
Molly O’Shea：为什么叫The Grid？
Brett Adcock：是向一部科幻电影致敬。
Molly O’Shea：你从很多科幻电影里得到灵感吗？你是科幻迷吗？
Brett Adcock：绝对是科幻迷。我看过所有科幻电影。
Molly O’Shea：你最喜欢哪一部？
Brett Adcock：可能是Jodie Foster的《Contact》。
Molly O’Shea：外星人那部？
Brett Adcock：对。说出来有点不好意思。
Molly O’Shea：为什么不好意思？那很好啊。
Brett Adcock：我不知道，《Contact》太棒了。我是科幻迷，任何科幻我都会看。那边就是The Grid。我们会让机器人在那个设施里24/7运行。目标是，在把任何代码发给客户之前，作为最后一道防线。你不希望机器人出现任何问题，所以我们要让它们在足够接近真实世界高强度运行的环境里跑。我们有整个设施专门用来尽可能高强度、24/7运行机器人。节假日、周末、凌晨两三点，它们都在跑，一整天都在跑。
Molly O’Shea：有机器人逃跑过吗？
Brett Adcock：没有。有一台差点逃跑。真的没有，没有任何机器人逃出去。
Molly O’Shea：你们会在物业范围内做地理围栏吗？设置时会做吗？
Brett Adcock：我们现在会追踪它们。对我们来说，这些是高IP、非常复杂的硬件，我们不希望它们被偷，或者落到错误的人手里。
Molly O’Shea：以前发生过吗？有人偷你们的吗？
Brett Adcock：我们内部在安全上做了很多工作，所以公司还没有已知的IP盗窃。欢迎来到BotQ。这里就是我们制造Figure 03机器人的地方。我们在这里制造头部、电池、腿、手臂、手指、拇指和手。所有测试也都在这里完成，之后机器人要么被装箱送走，要么自己走到隔壁。
Molly O’Shea：箱子长什么样？
Brett Adcock：等下可以给你看。现在如果我们需要它们去总部或The Grid，它们基本上就自己走过去。我们先看一些制造线。首先是头部和电池，也会做电子系统质量检查和产线末端测试。EOL是end of line，也就是产线末端测试。我们希望每个子系统都通过非常严格的测试。这里是头部产线。
Molly O’Shea：一架子头。
Brett Adcock：对，一架子头。头里面有Bluetooth、Wi-Fi、5G，有摄像头系统，有灯，有热管理系统，还有IMU。所以头部其实是很多传感器的集合。这些头会经过我们内部设计的非常严格的产线末端测试。首先，我们会第一次把软件刷进头部，包括所有固件。然后它会进入摄像头校准流程。接着我们会确认头部处于正常状态，能够装到机器人身上。我们要确认是否能从它那里得到信号，它是否存在任何问题或错误。如果有问题，我们会做分诊处理。如果没有，它最终会被装到机器人身上。
Molly O’Shea：就像它第一次出生。
Brett Adcock：对，有点像。它一开始只是原始硬件，进到这里之后，会带着软件出来，也带着所有检查结果出来，确认我们可以使用它。
Molly O’Shea：你多久会走遍整个园区？每天吗？
Brett Adcock：每天。这里是电池线。电芯进来之后，我们会做电芯测试和电压平衡。这里会把每个电芯和数据表对照检查，也会检查电压，并平衡电池包。如果有任何电压差，我们会确保所有电池包的电压尽可能保持平衡。
Molly O’Shea：这个机器是哪里来的？
Brett Adcock：我们自己设计的。这是为Figure电池定制设计的机器。之后会经过灌封、引线键合。我们会在电池包内部加入一些聚氨酯，用于热失控管理。最终出来的是一个很重的2.25kWh电池包。你可以试试，它真的很重。
Molly O’Shea：我试一下。哦不，这真的很重。
Brett Adcock：电池会直接放进躯干，它是我们最重的组件之一。
Molly O’Shea：我知道所有这些都被稳定了，但电池放在躯干里，和分布在身体各处相比，哪个更好？
Brett Adcock：放成一个整体更好，尤其是从安全角度。我们在电池包内部设计了很多热失控相关特性，确保最坏情况下，如果某个电芯发生热失控，也绝不能让它扩散到电池包外部。所以你需要结构系统，也需要热失控排气流程。我们内部设计了这些东西，让电池非常安全。
要求是：绝不能有火焰离开电池包。你不希望机器人在世界上着火。我们设计了相应系统。我们从来没有遇到机器人着火。Figure 03的设计可以防止机器人着火。这其实是一个非常难的工程成果。电池包也是结构件，可以承载载荷。即使机器人跌倒，遇到尖锐物体或边角，我们也不能让这些东西刺入电池包内部的电芯。你不希望任何东西把电芯带入热失控状态。
Molly O’Shea：你们有供应链风险吗？比如和中国或其他国家有关的风险？这也是你们把一切都放在这里做的原因吗？
Brett Adcock：我们大部分制造都在这里。这个产品太新了，必须被非常严格地控制。我们也认为IP非常重要，不希望技术被盗。而且这件事很难。我们需要把一个全新的供应链设计出来，并让它真正运作。这不是小事。你已经看到我们在总部做了多少测试，也看到The Grid会做大量测试，今天你还会看到这里的许多测试。这个产品仍处在人形机器人章节非常早期的位置。汽车已经存在超过一个世纪。
Molly O’Shea：这家公司才成立不到四年。
Brett Adcock：对，还不到四年。人形机器人也仍处在非常早期的阶段。
从飞行器到人形机器人：Figure跑得快是因为它把复杂硬件系统当成同类问题处理
Molly O’Shea：我们之后还会长谈，但从这么快扩张到现在这个状态来看，你们已经造出了一台人形机器人，这是最复杂的工程问题之一。你们是怎么这么快上手的？
Brett Adcock：我之前的公司Archer设计的是飞行机器人，它们有类似属性。它有电池包，只不过不是2kWh，而是160kWh，而且是分布式的。它也有电机、控制软件、嵌入式系统和传感器。Archer的飞行器，比如Midnight，是高度过驱动的。所有螺旋桨都有可变桨距，前缘执行器可以倾转90度，机翼和尾翼上的襟翼都会动。它大概有24个自由度，而机器人这里有40多个。所以某种意义上，它们是足够相似的系统。
当我创办Figure时，我们对产品和工程路线图有非常清晰、明确的愿景。我们非常快地建立团队，给团队足够资源，让我们可以高速设计东西。后面会带你看Figure 01。它有点像Notar，到处都是线，是我们的第一代。我们在公司还不到一岁时，就让它走了起来。我认为这可能是人类历史上最快的速度之一。我们当时非常专注，油门踩到底，想让它工作。这边还有一些产线，帮助我们构建骨盆、安装电池、计算系统、手臂和腿。这里正在安装小腿。
Molly O’Shea：为什么是人在安装腿？
Brett Adcock：某个时刻，我们会让机器人做所有这些工作。
Molly O’Shea：别让他们听见。
Brett Adcock：我们现在也在往产线里加入越来越多自动化。今年我们会把人形机器人部署到这里的生产线上。现在这台机器人正在做小腿装配。今天某个时候，它会经过一些测试，等下我们会看。然后它会走到总部，开始帮助我们做AI开发，或者做客户应用场景测试。很酷。
Molly O’Shea：很酷。看到它们被组装起来太疯狂了。你担心它们会产生意识吗？
Brett Adcock：我觉得会没事。这些东西会变得非常聪明。它们会能够做人类能做的物理事情。我们正在设计的神经网络技术，本质上是试图给所有机器人类似人类的常识。某种意义上，我们会在这些系统里达到人类水平，甚至超过人类水平的智能。甚至可能出现一种情况：我们最先在这些具身形态里实现AGI。
Molly O’Shea：真的？为什么？
Brett Adcock：因为这种互动数据，也就是触碰世界并看到会发生什么，通过试错学习，基本上是人类智能很大一部分的来源。我认为，真正AGI最后缺失的一块，就是这种和现实环境的真实世界互动。
机器人出厂前要先理解自己：EOL和老化测试是Figure防止故障流向客户的最后防线
Brett Adcock：过来这边。我给你看一些测试工作。机器人基本上从骨盆、躯干、头部、手臂、腿和手开始被组装起来。然后我们会让它经过非常严格的测试流程，确保所有东西都处于正常状态，才能送出去。我们不希望出现线缆松动、零件异常或通信异常。所以机器人会进入我们称为final EOL test，也就是最终产线末端测试的流程。这里是机器人通过所有最终检查的地方，它们也会在这些线上进行老化测试。
Molly O’Shea：老化测试是什么意思？
Brett Adcock：它们会运行几个小时。我们会确认在这几个小时里，没有任何问题冒出来，然后才会把机器人送出去。这里的测试工位会进行老化测试和产线末端检查，这些都是我们内部设计的。机器人会经过一个过程，某种程度上像是在尝试理解自己：有没有什么东西看起来不对？如果有，我们会标记出来。如果没有，就继续做一系列检查和老化测试，确认机器人状态良好。如果它们在这里通过测试，就会走到总部。如果在这里失败，我们就必须修复，并理解原因。
Molly O’Shea：为什么这些机器人穿着背心？
Brett Adcock：当机器人刚被启动调试时，我们会通过背后的龙门架系统固定它们，所以它们会穿这种背心。尤其是机器人刚刚“出生”、正在醒来的时候。它们会看自己的手，开始做视觉校准，确认一切都处于健康状态。
Molly O’Shea：在整个园区里，你最喜欢哪一部分？
Brett Adcock：BotQ是我最喜欢的地方之一。能够建造机器人这件事本身就很酷。三月我们创造了制造纪录，我们在三月制造的机器人，比此前整个生命周期里制造的机器人总和还多。看到我们能做到这一点，并把它们送出门，这很酷。所以这里可能是我最喜欢的地方之一。另一个我喜欢的地方，是看到机器人在商业客户或家庭场景里24/7做真正有用的工作。那件事很惊人，因为我们在这里要做的，是把类似人类的智能带到世界上。看到机器人24/7工作，能够做人类能做的事情，而且可靠性达到这种水平，非常特别。这两个地方可能是我在园区里最喜欢的部分。
Molly O’Shea：如果你不做现在这个工作，你会想在这里做什么工作？
Brett Adcock：有几件事我真的很喜欢。第一是工程设计过程：如何从零开始，改进系统，让它更可靠、更便宜、质量更低，并且整体上成为一个更好、更能运行的机器人，能用更低复杂度做更多人类能做的事情。我在这里领导工程时，会花很多时间在这类问题上。这是非常有趣，也非常难的问题。你做出的每一个选择，都会让另一边变糟。比如你想让机器人热管理更好、更轻，可能就会牺牲其他东西。你让它更轻，它可能就没法拿那么重。如果它拿不了那么重，客户会说，如果你不能搬30磅的箱子，我就不能在这条装配线上使用你。所以这里有很多有趣而困难的问题。
第二是Helix团队的问题：怎么让神经网络在机器人上运行，并在规模上泛化？这在当前阶段主要是数据和泛化问题，也是非常难、非常有趣的问题。制造也是另一个方向。我们怎么规模化制造机器人？怎么让机器人越来越多地参与制造自己？怎么让机器人尽快从产线进入真实世界？某个时刻，这里会变成全自动化无人工厂，只有机器人制造机器人，然后把它们送到世界各地。机器人会自己走进箱子，其他机器人会把它们装箱，然后发给客户。
最后还有商业运营团队。他们要把机器人规模化送到世界上，并让它们真的有用。去年我们和BMW做了这件事，今年会和更多客户一起做Figure 03。这是一个很酷的问题，因为它很难。机器人必须进入环境，安全运行，几乎不能出故障。如果它出故障了，就要理解并自我修正。我们还必须让它以人类表现完成有用的人类工作。我们的对照标准是：今天人类的速度、准确率和可靠性是什么？这个门槛很高。这些都是巨大问题，如果我在这里工作，我会想把时间都花在这些问题上。
秘密设计工作室首次公开：Figure 01、02、03背后是速度、可靠性和成本的三次取舍
Brett Adcock：想看设计工作室吗？
Molly O’Shea：想。这里真的很好玩。我觉得我的工作太酷了，因为我每天都能参观别人的工厂，而每个人都在造不同的东西。我这周早些时候去了Applied Intuition，然后去了Skydio，也去过Archer、Anduril。我们基本上是在看每一扇门后面有什么。
Brett Adcock：五年前我带Archer上市时，就看过这个园区。当时这里是空的，我就想，我一定要在这里。这里的楼很大，很开放，园区里有多栋楼，而且距离很近。能找到这样一个空间很难，既可以造硬件、发出很大噪音，又离湾区大多数人住的地方很近。
Molly O’Shea：你会担心这里太好吗？
Brett Adcock：完全不会。我们在这里制造东西、运行机器人。所以这对我们来说很好。它也有一些工业感。我们像建设者和制造者，所以这个地方某种程度上也反映了团队是谁。这里是我的快乐之地。我已经看着这个地方五年了，现在终于得到了它。我可以走到制造区，可以走到The Grid，可以走到4号楼，也可以走到总部。我可以和团队在一起，去任何当天最大的问题所在的地方。
Molly O’Shea：你们的logo是怎么来的？
Brett Adcock：logo有两个挺酷的点。第一，它有点像机器人迈步时脚步的轨迹。第二，它也有点像一个小写的F。
Molly O’Shea：所以这是一个精致的秘密房间。
Brett Adcock：这是一个秘密房间，通常没人能进来。这是我们的设计工作室。我会给你看我们建造过的每一代机器人。我们从2022年开始。目标是：怎样尽快把人形机器人交给我们的AI和软件团队。所以我们设计了Figure 01。这是我们的第一代机器人，非常赛博朋克。
Molly O’Shea：这一台从制造到开发花了多少钱？顺着这些版本往下看，成本怎么变？
Brett Adcock：这一台就是为了昂贵、为了非常快速地建造出来。所以它是几十万美元。现在我们的机器人单台成本已经远低于10万美元。Figure 01很贵，主要是因为我们整台都用CNC制造。也就是说，所有金属件都用极高精度方式制造，有点像Formula 1或赛车那类工艺。我们在公司成立第一年内就让它走了起来，也用它做了很多早期AI工作，验证公司方向。它非常有用。
然后我们进入Figure 02，也就是这台。我们做了一些改进。首先，把原来背包里的电池移到了躯干里。Figure 01的计算系统相对较小，Figure 02基本上把计算能力增加到三倍，也把电池包翻倍。我们在头部和骨盆、背部加入新的摄像头传感器，使用下一代手，并把整台机器人内部布线。
我们还把结构设计得类似飞机，通过外皮承载负荷。所以它是外骨骼结构，结构载荷路径在外表面。我们大概制造了50台Figure 02，最近一两个月才让它退役。现在我们进入第三代，也就是Figure 03。这三台其实都是Figure 03，只是穿着不同衣服。Figure 03减轻了重量，让它更瘦，同时保持同样的功率、扭矩和速度。它看起来也更好。Figure 02看起来有点太“机器人”。我们把一切都瘦身了，外面做了柔性包覆，肩膀和胸部有一层泡沫，所以是软的。它使用我们最新一代的手，里面有摄像头触觉传感器，可以更容易抓取物品。从Figure 02到Figure 03，我们把成本降低了大约90%。
Molly O’Shea：真的吗？主要成本在哪里？
Brett Adcock：前几代我们不在乎成本。我们优化的是速度。
Molly O’Shea：所以最开始设计时最大的取舍就是速度？
Brett Adcock：对。2022年时，我们坐在这里想，我们的软件团队需要一台人形机器人做测试和AI工作。当时没有，现在也仍然没有真正好的现成人形机器人可以买来加速我们。所以我们必须自己造。即使它很贵，目标也是尽快把东西交给团队，让团队开始为商业化做开发。
Figure 02也是一样。Figure 01有很多可靠性问题要解决，比如线露在外面，各种问题，每几个小时就会出故障。所以我们要清理大量可靠性问题。我们当时就是非常非常快地前进。但Figure 02太贵，也太难规模化制造。于是Figure 03的问题是：怎么把成本降低近一个数量级？怎么制造很多台？怎么让它更接近我们认为全世界每台机器人都应该具备的理想形态？这些机器人也可以换衣服。我们可以给它们穿不同配件，比如鞋、手套和其他东西。
Figure 04会是最大跃迁：人形机器人还处在“翻盖手机到iPhone 1”的前夜
Molly O’Shea：你多久会开始想下一代？你在造这一代时就开始想下一代，还是等这一代完成后才开始？你通常在生产阶段的什么时间点开始下一代？
Brett Adcock：我们现在几乎每年都在造一台新机器人。Figure 04已经处于设计后期阶段。我们有一些想放进下一次迭代的变化。这有点像iPhone。
Molly O’Shea：每一代Apple都会更好。
Brett Adcock：对。每一代我们都想变得更好。Figure 03有些东西我们没有足够时间做完，也没有足够时间降低风险，所以会放进Figure 04。还有一些东西，是我们运行Figure 03后学到的。我们会想，如果这么做或那么做，可能会好很多，这些都会放进Figure 04。我们也希望每一步都继续降低成本，让它更容易制造。所以当我们看Figure 04时，会从Figure 03学到很多东西。比如有些东西在BotQ制造起来有点难。或者我们会想，怎么把它从箱子里拿出来？怎么让一个家庭里的新用户很容易开始使用？
我们会把所有学习汇总到工程设计工作里。这个过程会经过许多阶段性评审，从高层架构评审、零级需求，一直到详细设计。Figure 04现在就在详细设计阶段。有点疯狂的是，我原本以为某个时刻我们会饱和。就像现在iPhone已经不会有太大变化。我曾经觉得Figure 03已经是世界上最好的人形机器人，后面的机器人会更好，但不会好太多。
但现在看，Figure 01到Figure 02是一次跃迁，Figure 02到 Figure03 又是一次跃迁。Figure 04会是我们有史以来最大的一次跃迁，而且是非常大。等我们把它拿出来时，你会觉得，天哪，它完全不同。我们现在不能谈太多，也不能具体说我们在那里做什么。但我们仍然非常早。我们现在就像人形机器人里的翻盖手机，而即将进入iPhone1 moment。我认为Figure 04可能会是我们第一个iPhone1 moment。它会完全不同。对我来说，它几乎是我能想到的最完美的人形机器人。当然，Figure 05、Figure 06继续迭代时还会更好，但我们已经学到了很多。这里有几个例子。桌上这些是我们手部的几代部件，从第一代手到现在这一代手。我们大概经历了五个版本。
Molly O’Shea：它们和我的手差不多大。
Brett Adcock：有一件事我们从来没展示过，就是第一代手。
Molly O’Shea：真的？为什么？
Brett Adcock：第一，从IP和工程角度，这东西很难造。第二，我们从它身上学到了很多，也学到什么是好的、什么是不好的。最后我们觉得，这个方向可能不是正确方向。我们的第一代手是肌腱驱动手。我们自己设计了所有电机和执行器，甚至齿轮箱。设计逻辑是：人的手也是这样，很多驱动其实在前臂里，靠类似肌腱的结构驱动手指。所以我们的第一代手想解决的问题是：如何建造一只真正灵巧的手？它对intelligence和AI很重要，最终能做很多人类能做的事情。我们想模仿人类的生物结构。我当时觉得这会很好：把电机放在这里，让它们非常强大，驱动高自由度的手。
但最后它成了错误的工程选择，我们很早就转向了。Figure 01里的很多手腕电机也在这里。如果你注意到Figure 01，会发现它的手腕看起来很疯狂。原因是，我们很早就从肌腱驱动手转向了另一个方向，但必须想办法把新的手腕电机放进去。我们没有等四个月从头重做设计，而是把脚里的电机拿来用。所以Figure 01的前臂里有三个脚部电机，整个前臂像Frankenstein forearm。它不是在真正手腕的位置弯曲，而是在前臂中间弯，这很奇怪。当时我很羞愧，觉得我们要把这东西展示出去吗？但在那个时间点，它已经很了不起了。
Molly O’Shea：你们卖过这些吗？
Brett Adcock：没有卖，只在内部使用，但我们展示过。它有一个很大的前臂。我当时觉得，每个人都会注意到这个前臂很奇怪。结果三年里几乎没有一个人问过我，为什么前臂长这样。
Molly O’Shea：大家只是觉得它是机器人。
Brett Adcock：对，没人问。所以我们最后从肌腱驱动手转向了现在几代手。我们学到了很多。我认为我们最终正在建造世界上最好的手部技术之一。我们最近预告了下一代高自由度手，大概一个月前。那只手拥有接近人类水平的灵巧度，关节数量和人手一样多。这不仅仅对做灵巧任务重要，更重要的是，我们需要从人类身上进行大规模被动学习。如果人类可以用各种复杂方式移动双手，我们就需要在测试时把这些动作映射到机器人上。所以我认为这极其重要。如果我们想在物理世界里解决AGI，并达到人类智能，一切都会从手开始。
穿spandex的数采团队：Figure在用人类身体反推机器人身体
Molly O’Shea：我确实看到园区里有几个人穿着spandex outfit。
Brett Adcock：那是强制工服。
Molly O’Shea：是工作服？
Brett Adcock：对，就是必须穿spandex，不然不能来。我们在这里做大量数据采集，试图做关节级别追踪，以及不同类型的数据采集。我们要从人类身上学习。因为我们是humanoid，所以需要大规模从人类学习。我们希望尽可能多地理解人类运动，并用图像条件化这些策略模型。
Molly O’Shea：在Figure，这算是最奇怪的工作吗？这个岗位叫什么？
Brett Adcock：你觉得这奇怪吗？我觉得挺酷的，只是不常见。可能是我们这里最不常见的工作之一。
Molly O’Shea：怎么申请？
Brett Adcock：可以在网站上申请。我们有数据采集人员，在这里，也在世界各地为Helix做数据采集。
我其实觉得这是很酷的工作。
Molly O’Shea：你试过吗？全套spandex？
Brett Adcock：我还没试过全套spandex，但其他所有数据采集方式我基本都做过。也许那是我的下一步。我等下可以穿上spandex，去把它搞砸。
Molly O’Shea：好。所以我们看了几代手。
Brett Adcock：对，几代手。我们还有一些头部模型。我觉得脚其实也很有意思。这是Figure 03的早期原型之一。我们很想在机器人上加入toe。脚趾很重要，一方面让它的步态看起来更自然，另一方面，对从地上站起来也很重要。人类蹲下时，会压在脚趾区域上。对平脚来说，这很难。
这是Figure 02的脚，基本上就是一块固定金属，没有太疯狂的东西。这是我们Figure 03当前一代的脚。我们有脚趾，也有脚上的这个开口。有人问过这个开口是什么。它是热通风口。充电时，我们会把空气从小腿肚和胫部推到脚部，用来冷却，因为底部有感应线圈。这些脚会踩到充电器上，然后我们启动无线充电。机器人可以以2kW充电。也就是说，它站在那里充一小时，就可以继续工作。这很酷。我们可以在客户现场这样充电。机器人走过去、停靠上去，站在那里。随着时间推移，我们会让这些系统变得更小，可以放在任何地方。你也可以把它接到普通墙壁插座上充电。
Molly O’Shea：你们会做品牌合作吗？
Brett Adcock：比如脚部品牌合作？
Molly O’Shea：我很想知道。也许不是音响合作。
Brett Adcock：你可以成为我们下一个Nike球鞋合作。Figure03我真的想要高帮鞋，我觉得这太酷了。Figure02看起来像便士乐福鞋。
Molly O’Shea：不能这样。
Brett Adcock：不能让机器人穿便士乐福鞋出来。高帮鞋更像是出来干活的。
Molly O’Shea：从这些设计来看，你们现在的设计很sleek，也很未来感。你们是怎么走到这个方向的？
Brett Adcock：我们内部有工业设计团队，由David负责。这个团队非常着迷于创造一件东西：我们希望创造一个让人真正觉得愉快、愿意和它待在一起的东西。这不只是机器人外观或尺寸的问题。它还包括它怎么走路、怎么互动、身体语言是什么、人机交互是什么样。它说话时会看你吗？我们怎么处理语音？头部有三个屏幕，我们应该显示什么？我们怎么让它真的让人觉得pleasant？
Molly O’Shea：你很喜欢科幻。有没有哪些科幻电影是你们想借鉴的？比如《I, Robot》《Ex Machina》这类机器人电影？
Brett Adcock：有。我们经常讨论一件事：人形机器人有两条路。一条是走robotic road，比如《I, Robot》。另一条是走 Westworld这样的humanoid road。我们该走哪条路？你觉得呢？
Molly O’Shea：我很喜欢《Ex Machina。
Brett Adcock：那我们走Westworld？
Molly O’Shea：对，走Westworld。
Brett Adcock：好，那就这么办。我们正在走向Westworld。最后，我们也非常自豪去年登上了《TIME》杂志封面。机器人在家庭环境中，完整做家务，使用的是我们内部设计的HelixAI系统。
Molly O’Shea：Deadmau5是怎么回事？
Brett Adcock：两年前我们的holiday party请了Deadmau5。他看到后说，这太疯狂了。我们有机器人上台。他说，你们必须和我一起去演唱会，让机器人在舞台上跳舞。所以去年年底，我们在科罗拉多Red Rocks给他开场。不知道你有没有去过那个venue，我飞过去看了。那里太棒了。我们有多台机器人在舞台上跳舞，它们会根据音乐调整动作，跟着音乐跳。真的很棒。去年12月我们的holiday party，也请他来了这里。
原视频：Figure's First Full HQ Tour: From the Lab to the Factory Floor
https://www.youtube.com/watch?v=ch_UM_JJU9w
编译：Yancheng Liu
请注意，本文编译自文末载明的原始链接，不代表Z Potentials立场。如果您对本文有任何想法或见解，欢迎在评论区留言互动探讨。
Z Potentials将继续提供更多关于人工智能、机器人、全球化等领域的优质内容。我们诚邀对未来充满憧憬的您加入我们的社群，与我们共同分享、学习、成长。
