Figure 03 不再只会平地走路：一段全自主爬梯视频，和没说的那部分

2026 年 8 月 1 日，Figure 创始人兼 CEO Brett Adcock 在 X 上发了一段视频，配文只有一句话："F.03 can now climb a ladder, fully autonomous。"视频里，一台 Figure 03 人形机器人走到一副短梯前，双手握住扶手，一步步爬了上去。没有遥控器，没有预编程动作序列——Adcock 和 Figure 声称整个过程由 Helix AI 系统自主完成。

这条推文在十天内被观看了超过 66 万次，收获 6800 余个赞与 625 次转发。但在热闹之外，一个关键问题悬而未决：Figure 没有公布成功率、测试条件，也没有披露任何技术细节。

爬梯子对三岁小孩不算什么，但对一台双足机器人是公认的高难度动作——它需要在四肢间连续调整重心、精确协调手与脚的接触点、同时感知自身与环境的位置关系。一次失误，就可能仰倒或滑落。

视频里到底看到了什么

中描述了这段视频：Figure 03 走向梯子，双手抓住两侧扶手，以缓慢、克制的动作逐级上升，最终安全踏上平台。全程没有可见的人类干预。

爬梯的难度在于它比平地步行的要求高出几个量级。平地上，机器人主要处理前后左右的平衡；而在梯子上，每一级踏板的移动都需要手臂拉升和脚部踏准同步进行，重心在两点或三点支撑之间不断转移。一旦手脚协调出错，机器人可能向后仰倒或滑落。行业里通常称这类任务为"loco-manipulation"——运动与操作的实时融合。

Cybernews 和 Gradient 等科技账号在转述时提到，Adcock 称 Figure 的目标是通过软件优化最终让爬梯速度赶上人类。但现阶段，中所指出的，Figure "未披露底层系统的技术细节，且该演示未经独立验证"。

Helix 的感知-运动闭环

爬梯能成，关键在于 Figure 对 Helix 系统中"System 0"（S0）的一次重要升级。根据 Figure 在中的描述，S0 是 Helix 02 三层架构中最底层的控制器，以 1kHz 频率处理全身平衡、接触力和肢体协调，系统 1（S1）以 200Hz 处理感知到关节目标的转换，系统 2（S2）负责场景理解和语言推理。

根据 Figure 在中披露，此前的 S0 仅依赖本体感知（proprioception）——机器人知道自己关节的角度、肢体的位置和运动状态，但对面前的地形一无所知。它能自信地走过平地，一遇到楼梯、坡道或不平坦地面就需要人工切换模式。

升级后的 S0 加上了视觉感知：头部的立体摄像头捕捉 RGB 图像，经立体模型处理生成周围环境的 3D 表示，再与本体的关节状态数据一同输入控制策略。

Figure 称，整个系统以端到端强化学习在仿真中训练，覆盖数千种随机地形。同一个神经网络在仿真中学到的行为，可以零样本迁移到实体机器人——不需要真实世界微调、不需要逐领域标定、也不需操作员干预，跨不同光照条件都有效。

换句话说，S0 不再只"感受"地面，它开始"看见"地面了。Figure 此前展示过这套架构在楼梯上的表现，但梯子是更极端的测试——它对感知精度和全身协调的要求比楼梯高得多。

24 倍产能跃升，与千台里程碑

Adcock 放出的不仅是爬梯视频。这个演示的背后，是 Figure 正在快速扩张的机器人舰队。

Figure 在 4 月 29 日的中表示，其位于加州的 BotQ 工厂已将 Figure 03 的产出从每天 1 台提升至每小时 1 台——不到 120 天内产能提升 24 倍，已交付超过 350 台第三代机器人。到 7 月 23 日， BotQ 已制造出第 1000 台 F.03。

更大的舰队意味着更多的数据。Figure 在博客中明确写道，每台出厂的机器人不仅是硬件，更是"数据采集引擎"——Helix 模型从真实运行环境中持续获取反馈，用于硬化系统和能力。公司已部署了自动诊断系统、软件"降级阶梯"（允许机器人在出现非致命故障时安全降级运行），以及覆盖全舰队的 OTA 软件更新基础设施。

从商业角度看，Figure 的逻辑很清楚：光有好的算法不够，你需要足够多的机器人在真实世界中跑，才能撞到那些小规模测试阶段根本遇不到的边缘情况。

"轮式机器人是条死路"

爬梯视频发布的第二天，Adcock 又发了一条推文，措辞比前一天激烈得多："Wheeled robots are an utter dead end"——轮式机器人是条彻头彻尾的死路。

这不是随便说的。Adcock 的逻辑是：人类的建筑环境——工厂、仓库、办公室、住宅——充满了楼梯、脚手架和梯子，这些都不是轮子能解决的。如果机器人需要人类为它重新设计工作环境，那它就不是真正的通用工具。

在评论中指出，这段爬梯视频本身"并不能解决腿式系统与更简单的移动平台在工业场景中的取舍问题"。该网站同时提醒，工业环境下大多数搬运工作仍发生在平地上，轮式平台并不会因为一段视频就失去成本、速度和可靠性上的固有优势。

不过，Adcock 的立场折射出了人形机器人赛道的一个根本赌注：双足形态不是为了炫技，而是因为人类世界的物理空间从未为轮子优化过。如果双足机器人真的解决了 loco-manipulation 的可靠性问题，它们就不需要世界为它们重新设计。

没说的那部分：成功率、测试条件和降梯

TechRepublic 的报道直言，Figure"没有披露成功率、测试条件，也没有说明机器人在更具挑战性的场景——比如携带设备或在恶劣天气下——表现如何"。Humanoid.guide 同样指出，"一段视频不能展示可重复性、跌落处理、速度、载荷、功耗，也不能说明梯子和环境是否为测试做了约束。"

多位 X 用户在 Adcock 的推文下表达了类似的怀疑。一位用户写道："下次演示应该是梯子稍微挪偏一点、机器人依然能搞定。"另一位用户提问："它能爬下来吗？"——视频只展示了上梯，没有下梯。

这些问题的指向是一致的：一段精心录制的成功演示与一套可大规模部署的可靠能力之间，还有相当大的距离。当机器人被部署到建筑工地、仓库或维护现场时，梯子的角度、材质、光照和周围障碍物都是变量，而一次失败可能意味着昂贵的硬件损坏或安全隐患。

Figure 目前的回应策略是继续铺量——用更多机器人在更多真实环境中运行，用数据来解决可靠性问题。这是一个合理的工程逻辑，但在商业客户面前，它还只是逻辑，不是证据。