为了给机器人囤数据，Figure全球悬赏人类“干活”

Index周活用户已经超过4.4万人

01 从“会动作”到“懂世界”，机器人需要人类经验

Figure成立于2022年，始终专注于推进机器人基础模型研发，其中核心方向之一就是VLA（视觉-语言-动作）模型Helix。

这类模型希望让机器人不再依赖固定程序，而是能够观察环境、理解任务，并连续完成复杂动作。

但机器人模型训练需要的数据，与传统AI完全不同。普通视频只能告诉模型“发生了什么”，而机器人需要理解的是：为什么这么做，以及下一步应该怎么做。

例如，一个人整理桌面，看似只是简单移动物品，但其中包含大量隐含信息：如何判断物品类别，如何规划摆放位置，如何根据空间变化调整动作。

这些隐藏在日常行为中的经验，正是机器人实现泛化能力的关键。

此前，Figure曾尝试通过第三方数据供应商获取训练数据，但该公司发现，外部供应的数据在规模、多样性和质量上都无法满足Helix的发展需求。

因此，Figure AI决定建立自己的数据采集网络，Index由此诞生。

Index移动应用展示创作者可录制并上传的家庭任务

该项目邀请普通用户成为“创作者”（Creator），通过手机或头戴设备记录真实世界中的任务过程，并将这些数据用于机器人训练。

任务范围并不限于标准化操作。用户可以记录整理房间、叠衣服、清洁厨房等家庭活动，也可以记录物流中心、餐厅、工厂和办公室中的工作流程。甚至一些低频但具有价值的任务，例如清理猫砂、更换机油，也会成为数据来源。

Figure希望收集的，并不是简单的动作视频，还有机器人未来可能遇到的各种“意外情况”。因为机器人真正进入现实环境后，最大的挑战可能不是完成已经学过的动作，而是在面对陌生场景时做出正确判断。

Figure表示，在每采集1000小时数据中，Index数据平均覆盖373种独特任务、1146种不同操作对象以及116种不同环境。

人人都能成为Index的创作者，也可通过应用预约创作者上门协助家务或商业任务

这些来自现实世界的复杂样本，正是机器人从“会做动作”走向“理解世界”的基础。

02 1600万条视频，变成机器人可以学习的“燃料”

但采集数据只是第一步。对于机器人模型而言，大量未经处理的人类视频并不等于有效训练数据。

现实世界数据往往存在大量问题：有人上传低质量视频，有人重复提交相似内容，也有人为了获得奖励刻意制造无效数据。

因此，Figure建立了一套数据加工体系，将原始视频转化为机器人能够理解和学习的数据资产。

Index处理创作者所提交数据的五个步骤

首先，系统需要完成数据筛选。所有上传内容都会经过自动检测，判断视频是否清晰、任务是否完整、内容是否符合训练需求。无法反映有效人机交互的数据会被直接过滤。

随后，Figure会进行真实性审核。由于创作者可以根据贡献获得报酬，公司需要识别异常行为，避免大量低价值甚至虚假的数据进入训练流程。

在此基础上，系统还会对数据进行去重和重组。机器人训练并不是数据越多越好，如果大量相似任务重复出现，模型反而容易形成偏差。因此，Figure AI会通过算法识别高度相似的视频，并调整不同任务、环境和物体之间的数据比例。

最后，经过筛选的数据会被进一步标注，让模型能够理解任务目标、动作过程以及环境变化。

换句话说，Index的核心价值在于搭建一条从现实行为采集、数据加工到模型训练的完整链路，让人类经验能够持续转化为机器人的智能能力。

目前，Index每秒可以处理约30分钟的视频上传量，相当于每天接收约4.9年的人类工作时间数据。同时，Figure已经向创作者支付超过1500万美元报酬。

03 数据，正在成为机器人产业的新入口

Figure推出Index的目标，并不仅仅是训练当前的机器人模型。更深层的意义在于，公司希望建立机器人时代的数据基础设施。

过去，视觉AI的发展离不开ImageNet这样的数据集。大语言模型的突破，则建立在互联网文本规模之上。而未来的机器人竞争，可能取决于谁拥有最多、最真实、最丰富的现实世界交互数据。

Figure正在尝试建立类似的基础设施。

目前，该公司已经推动人形机器人进入部分工业场景，包括与宝马等企业合作，并计划推进Figure 03的规模化生产。

但Figure AI认为，硬件制造并不是机器人商业化最大的瓶颈。真正决定机器人能否进入更多场景的，是机器人是否足够智能，是否能够处理现实环境中的复杂任务。

未来，Index采集的数据不仅可能用于训练Figure自己的机器人，也可能成为机器人服务体系的一部分。

今天，人类通过平台寻找服务人员完成家务和工作。而Figure希望，未来这些任务能够由机器人完成。在这个过程中，谁掌握了现实世界的数据，谁就可能掌握下一代机器人产业的入口。

特约编译金鹿对本文亦有贡献