机器人行业事件点评：机器人FIGURE发布端到端模型HELIX 开启多机协作新时代-格隆汇

机构：国泰君安
研究员：肖群稀/张越

本报告导读：
Figure 发布端到端模型Helix，低数据量训练效率更高，零样本泛化能力卓越，同时使多机器人协作变为现实，人形机器人产业加速发展，产业链有望受益。
投资要点：
投资建议：F igure发布Helix大模型，Helix 模型是一款通用视觉-语言-动作（VLA）模型，整合感知、语言理解和控制能力，突破多项机器人技术难题，具备完整上半身控制、多机器人协作、可拾取任何物品、基于单一神经网络学习和可商业部署等特性。Helix 是首个人形机器人自然语言直接控制模型，展现出了卓越的泛化能力，同时训练效率较高，架构简洁，为家庭服务机器人的广泛应用提供了可能，也为Figure 公司在人形机器人行为拓展上迈出了关键一步。推荐标的为兆威机电，受益标的为长盈精密。
Helix 为首个运用在完整人形机器人上的端到端大模型。Helix 能通过端到端直接输出整个人形机器人上半身的连续控制指令，以200Hz 的频率协调35 自由度的动作空间，实现从手指运动、末端执行器轨迹，到头部和躯干姿势的精准控制。此前众多机器人模型在处理高维动作时，多采用分层决策模型，例如智元 EI-Brain 分为四级，包括技能级的云端超脑、技能级的大脑、指令级的小脑以及伺服级的脑干；其他例如Google RT、清华RDT 等虽将端到端模型应用于机器人，但多在机械臂上运行，硬件自由度与Helix 控制的35个自由度相比仍较少。Helix 端到端模型在高维动作控制能力方面表现优异。
低数据量训练效率更高，零样本泛化能力卓越。Helix 的端到端训练仅需约 500 小时高质量数据，一些传统模型在训练类似复杂任务时，可能需要数千甚至上万小时的数据量，Helix 大大减少了数据收集和标注的成本与时间。Helix 控制机器人能操作训练中从未见过的各类杂货，通过简单的自然语言指令完成协作，展现出对新物体和新任务的高度适应性，而多数模型在处理新任务或新对象时，往往需要大量特定的训练数据进行微调，这意味着 Helix 具备强大的泛化能力，打破了传统机器人需要大量特定样本训练才能执行任务的局限。
多机器人协作变为现实，Helix 同一神经网络控制。在杂货收纳场景中，机器人之间的配合可以更快地将物品分类存放，预计Helix 模型能够根据多机的性能、负载、位置等因素，动态地将任务分配给最合适的机器。两台机器人使用相同的 Helix 模型权重，无需针对特定机器人进行训练或明确角色分配，通过自然语言提示就能实现协作，简化了多机器人协作的控制逻辑，提高了系统的通用性和灵活性。
风险提示：1）人形机器人产业化进程不及预期；2）产业政策落地不及预期。