Helix

피규어 AI🇺🇸 미국Helix 계열

행동 생성 (VLA)발표일 2025.02가중치 비공개

휴머노이드 상체 전체(손가락·손목·몸통·머리)를 고속 연속 제어하는 Figure의 첫 행동 생성 (VLA) 모델. 7B 이해·계획 (VLM) 모델(S2)과 80M 고속 정책(S1)의 이중 시스템으로 두 로봇 협업과 물류 소포 분류(2025-06 업데이트)를 시연.

파라미터: 7.08공식
제어 빈도: 200공식
적용 로봇: —
벤치마크 결과: —

공식 자료프로젝트 페이지 figure.ai

무엇인가

행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
발표일 2025-02
가중치 비공개 — 설명·결과만 공개됨

확인된 정보

사양 9개 항목 중 9개에 값이 있음
공식 공식 9개: 구조, 입력, 파라미터 (B), 제어 빈도 (Hz), 학습용 데이터셋, 학습용 데이터셋 규모(시간) 외 3개
값 확인일 2025-02 – 2025-10 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요

어떤 모델인가

Helix는 Figure AI가 2025년 2월 공개한 휴머노이드용 행동 생성 (VLA) 모델로, 손가락·손목·몸통·머리를 포함한 상체 35자유도를 하나의 신경망으로 고속 제어한다. System 2는 인터넷 데이터로 사전학습된 오픈 가중치 7B 이해·계획 (VLM) 모델로 7~9Hz로 장면과 언어 지시를 하나의 잠재 벡터로 압축하고, System 1은 약 8천만 파라미터의 트랜스포머로 이 벡터를 받아 200Hz로 손목 자세·손가락·몸통·머리 목표를 출력한다. 학습에는 여러 로봇과 조작자가 모은 원격조작 데이터 약 500시간을 썼고, 별도 VLM이 영상 구간마다 어떤 지시였을지를 거꾸로 생성해 라벨을 붙였으며, 두 시스템은 end-to-end로 함께 학습됐다.

시연에서 두 로봇은 같은 가중치로 처음 보는 장 본 물건을 함께 정리했고 처음 보는 생활용품 수천 개를 말 한마디로 집었으며, 모든 연산은 로봇에 탑재된 저전력 GPU 2개에서 이뤄지고 Figure는 상체 전체를 고속 연속 제어하는 최초의 VLA라고 주장한다. 2025년 6월에는 물류 소포 분류에서 개당 약 4.05초, 바코드 방향 맞추기 약 95% 성공을 달성했다고 발표했으며, 가중치나 API 공개 계획은 밝히지 않았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	S2: 오픈소스 7B 사전학습 이해·계획 (VLM) 모델(7~9Hz) → 잠재 벡터 → S1: 80M 크로스어텐션 인코더-디코더 트랜스포머(200Hz)공식
입력	단안(monocular) 로봇 카메라 영상, 자연어 명령, 로봇 상태(손목 포즈·손가락 위치); 2025-06 물류 업데이트에서 시각 메모리·과거 상태 이력·힘 피드백 입력 추가공식
파라미터 (B)	7.08공식
제어 빈도 (Hz)	200공식
학습용 데이터셋	다중 로봇·다수 조작자 원격조작 데이터 약 500시간, 이해·계획 (VLM) 모델로 사후 자동 라벨링공식
학습용 데이터셋 규모(시간)	500공식
적용 로봇 형태	Figure 02 (이후 Figure 03로 이어짐)공식
추론 하드웨어	로봇 탑재 저전력 임베디드 GPU 2개(S1·S2 분리)공식
발표 벤치마크	물류 소포 분류 약 4.05초/개(2025-06 업데이트)공식

출처 3건

figure.ai [1][2][3]

한눈에 읽기