Figure AI人形机器人直播33小时分拣超4万包裹

Figure AI人形机器人挑战超长直播，33小时分拣超4万包裹显实力

人形机器人到底能不能扛起真实的体力活？Figure AI最近用一个相当硬核的测试给出了阶段性答案：一台机器人通过直播镜头，连续分拣快递包裹超过33个小时，累计处理量突破4万件。原本计划只跑8小时的测试，因为机器人表现出的稳定表现，硬是延长了4倍多的时间。

测试场景贴近真实物流，暴露成长中的细节

测试场景的设计并不复杂，但足够贴近真实物流场景：机器人需要完成两项核心动作——把快递包裹的标签面朝下放好，然后准确投送到传送带上。整体效率确实达到了预期，但从直播画面也能看到一些“成长中的烦恼”：部分包裹因为机械臂的定位偏差被推落到传送带外，而机器人并没有立刻反应过来去捡回来。技术人员对此的解释很实在——当前系统优先优化了基础分拣流程，异常处理机制会放在后续版本里补上。

搭载自研决策模型，轮换机制保障续航

这款机器人搭载的是Figure AI自研的Helix 02自主决策模型，从现场数据看，它的标准化操作速度已经接近人类工人。那么续航问题怎么解决？团队采用了一个巧妙的轮换机制：当一台机器人电量降到临界值时，备用单元会无缝接替，保证分拣线不停转。这套设计既考验了单机硬件的耐用性，也验证了多机协同的可行性——后者在真实产线上可能比单机性能更关键。

潜力显现：少量机器人加质检员即可24小时运转

从目前的表现来看，这批机器人阵列已经具备了替代部分重复性劳动的潜力。理想状态下，一个分拣站点只需部署少量机器人加上一名人工质检员，就能维持24小时持续运转。如果这种模式能大规模铺开，物流行业对基础人力的依赖度很可能出现明显下降。

0.3%错误率待优化，视觉增强模块已在开发

值得注意的是，公司研发负责人特别强调，这次测试的核心目的就是验证“完全自主”运行模式的可靠性。当然，当前系统还有约0.3%的错误率，但通过算法迭代和机械结构优化，未来有很大机会把精度拉到工业级标准。团队已经在开发视觉识别增强模块，专门用来提升机器人在复杂场景下的应变能力——毕竟，真实的物流现场远比实验室要混乱得多。