Figure AI公司近期推出了一款名为Helix的机器学习模型，旨在解决视觉与语言处理之间的融合问题，使机器人能够接收口头指令并通过视觉评估环境执行任务。

据TechCrunch报道，Helix是专为人形机器人设计的视觉—语言—动作（VLA）模型，完全依赖机上嵌入式低功耗GPU运行，现已可商用部署。该模型能将视觉数据与语言指令结合，实时控制机器人。

Helix展现了强大的物体归纳能力，能驱动机器人拾起几乎所有小型家居用品，包括上千件未曾见过的新奇物品。Figure通过视频展示了Helix的强大功能，如机器人能准确执行“捡起仙人掌娃娃”等指令。

值得注意的是，Figure AI原与OpenAI合作开发多模态模型，但已于2025年2月宣布中止合作，因其在“完全端到端的机器人AI”领域取得了自主研发的重大突破。