Figure AI已与Catalyst Brands签署商业合作协议,将在该零售商的配送与物流网络中部署人形机器人。
此次合作将从Catalyst Brands位于内华达州里诺市的配送中心率先启动,Figure的人形机器人将被用于自动化处理供应链中体力要求较高的作业任务。
Catalyst Brands旗下运营着多个知名零售连锁品牌,包括JCPenney、Aéropostale和Brooks Brothers。
据Figure方面介绍,此次协议标志着人形机器人在仓储与物流环境中迈向更大规模商业化部署的又一重要步骤。
Figure在其官方博客发布的声明中表示:"此次合作将从Catalyst位于内华达州里诺市的配送物流中心起步,重点推进供应链中体力密集型任务的自动化。"
Figure还补充称,其人形机器人系统能够提供"一种灵活的解决方案,可即时部署于多元化的多品牌业务组合之中"。
Figure表示,此次合作旨在通过自动化重复性工作来推动物流运营现代化升级,同时让人工员工能够专注于更高价值的工作内容。
这一协议也折射出大型商业运营商对人形机器人技术日益增长的兴趣——当前劳动力短缺问题持续加剧,仓储自动化需求不断攀升,AI驱动的工业系统也在加速普及。
此次公告是Figure近期一系列进展的延续。该公司正同步扩大制造产能与实际部署规模。
Figure在4月发布的一份公司动态中披露,其BotQ制造工厂在四个月内将Figure 03人形机器人的产量从每天一台提升至每小时一台。
该公司表示,该工厂迄今已生产超过350台第三代人形机器人,以及跨多个产品型号的逾9000个执行器。
Figure还透露,不断扩大的机器人机队正通过大规模现实场景运营数据的采集,加速推动公司人形AI模型Helix的研发迭代。
Figure近期还展示了其所称的"感知条件化全身控制"技术,使人形机器人能够借助主要在仿真环境中训练、随后直接迁移至实体机器人的AI模型,实现对楼梯和不平地形的自主导航。
全球人形机器人企业正日益将仓储物流、制造业及物料搬运等场景列为通用人形机器人系统最早实现商业化落地的核心市场。
英伟达、亚马逊及多家汽车制造商等行业巨头在过去两年间也持续加大对人形机器人及具身AI技术的投入力度。
Figure表示,与Catalyst Brands达成的此次合作,将"为AI驱动的硬件如何成为现代控股公司核心增长引擎树立可复制的范本"。
Q&A
Q1:Figure AI的人形机器人在Catalyst Brands的配送中心主要负责哪些工作?
A:根据Figure AI的介绍,其人形机器人将重点用于自动化处理供应链中体力要求较高的重复性作业任务,例如仓储物流中的搬运等工作,从而释放人工员工的精力,使其专注于更高价值的工作内容。
Q2:Figure AI的BotQ工厂目前产能达到什么水平?
A:据Figure AI在2025年4月发布的公司动态,其BotQ制造工厂在四个月内将Figure 03人形机器人的产量从每天一台大幅提升至每小时一台。截至公告发布时,该工厂已累计生产超过350台第三代人形机器人,以及跨多个产品型号的逾9000个执行器。
Q3:Figure AI的Helix模型是什么,它是如何被训练的?
A:Helix是Figure AI专为人形机器人开发的AI模型。该模型的训练主要依托大规模现实场景运营数据的持续采集,不断扩大部署规模的机器人机队是其重要的数据来源。此外,Figure AI还采用了"感知条件化全身控制"技术,在仿真环境中完成模型训练后,再直接将其迁移至实体机器人,从而实现复杂地形下的自主导航能力。
好文章,需要你的鼓励
火箭实验室(Rocket Lab)宣布计划以现金加股票方式,斥资80亿美元收购主要卫星运营商铱星通信(Iridium Communications),交易预计于2027年中完成。铱星目前运营着由66颗活跃低轨卫星组成的星座网络,拥有约255万活跃用户,2024年营收达8.717亿美元。收购完成后,Rocket Lab计划借助其新型重型运载火箭Neutron及Lightning卫星平台,扩大铱星星座规模,开拓未被覆盖的市场并降低发射成本。
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
音乐流媒体平台Tidal宣布,将于7月中旬启用自动化工具,对完全由AI生成的音乐添加"AI"标识,并移除具有欺诈性质的曲目。平台还将取消AI生成音乐的版税资格,仅向真人创作、演唱的原创音乐开放变现渠道。此外,Tidal明确将高频异常上传、干扰真实艺术家等行为列为欺诈活动。Deezer、Spotify等竞争对手此前已推出类似检测机制,流媒体行业正加速构建AI内容治理体系。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。