文章核心观点 - 公司正将其人形机器人的核心技术栈从传统手写代码全面转向全栈端到端神经网络架构，并已实现全身强化学习控制，目标是从“房间尺度自主”向更大范围、未见环境中的持续自主运行推进 [5][6][10] - 公司通过设计优化、供应链管理和垂直整合等策略，已将其最新机器人型号的成本降低了90%，并制定了明确的规模化生产路径，目标年产5万台 [12] 01. Figure 为何删除十万行代码？ - 公司正将机器人控制栈从手写代码全面转向全栈神经网络，早期系统曾有“几十万行”C++代码，在Helix 2阶段移除了剩余的约109,000行C++代码 [6] - 转向全栈神经网络的原因是，依赖代码启发式方法无法覆盖人形机器人所需的全身协调、操作与场景变化 [6] - 公司通过Keurig咖啡制作等连续任务验证了神经网络在双臂人形机器人上的有效性，这推动了整个技术栈向神经网络迁移 [7][8] - 在Helix 2中，公司集成了一个完全学习得到的全身强化学习控制器（内部称为System Zero，S0），实现了全身控制的神经网络化，而不再仅是上半身 [9] - 技术重点在于实现实时闭环控制，控制频率约在200Hz或“几百Hz”量级，使机器人能在环境变化中持续完成感知、推理和动作输出，而非执行预先录制的动作 [10] - 公司当前能力被概括为“房间尺度自主”（room-scale autonomy），下一步目标是从“一个房间”推进到“完整家庭”，并最终进入“未见过的家庭环境” [10] - 衡量系统成熟度的关键指标是人类介入频率，即机器人在连续任务中对人工协助的依赖程度 [11] 02 . 成本降了90%后，Figure下一步是年产5万台？ - 公司通过设计优化、供应链管理和垂直整合等策略，已将其最新机器人型号Figure 03的成本降低了90% [12] - 公司制定了明确的规模化生产目标，计划实现年产5万台机器人的产能 [12] 03 . 进入家庭之前，Figure还要先跨过哪些商业化门槛？ - 公司认为机器人从工厂环境进入家庭应用仍需时间，需要先克服一系列商业化门槛 [4] - 商业化路径包括在商业场景中实现持续运行、通过机队共享积累数据，以及将机器人引入内部制造产线等布局 [12]