Figure AI 倉庫機械人於 Helix-02 運行測試中據報完成 81 小時運作並處理 101,391 件包裹

Figure AI 將原本 8 小時的倉庫演示轉化為多日的耐力測試：據《首爾經濟日報》報導，一名為 Jim 的人形機械人在直播的 Helix-02 運行中，於 81 小時內處理了 101,391 件包裹。

值得注意的區別是：雖然 Figure 官方資料顯示 Helix 已應用於物流包裹處理，但 81 小時和 101,391 件包裹的數據源自媒體對直播的報導。RoboHub 尚未從 Figure 的官方頁面獨立核實直播計數器的數據，因此買家應將此數字視為據報的里程碑，而非經第三方審核的基準測試。

即使有此保留，這項測試仍然意義重大，因為它將人形機械人技術從短暫的演示片段，推向正常運行時間（uptime）、可重複性及異常處理。分揀包裹雖然並不光鮮，但這正是倉庫目前投入大量資金進行自動化的那種重複性、高產量的任務。

Figure 自身的 Helix 物流報告將任務定義為包裹處理與分流：偵測移動中的包裹、抓取各種紙箱或軟質郵件、重新調整標籤方向以便掃描，並在流程出現瑕疵時進行修復。該公司表示，針對此用途的 Helix 改進包括更豐富的立體視覺、多尺度視覺特徵、學習型跨機械人校準，以及用於加快處理速度的推理時間速度模式（inference-time speed mode）。

據報的直播引出了一個不同的問題：系統能否持續數天而非數分鐘地執行相同的實用工作？根據報導，Jim 在沒有人工遠程操作（teleoperation）的情況下運行，利用 Helix-02 識別紙箱、調整標籤方向並分揀包裹，每件物品處理時間約為 3 至 4 秒。據悉，由於機械人持續運行，直播在原定的 8 小時計劃結束後仍繼續進行。

這就是為什麼物流團隊會比關注家庭整理演示更密切地留意這項測試。倉庫不需要人形機械人看起來像人；它需要的是一部能夠嵌入人類設計的工作單元（work cells）、處理奇形怪狀的包裹、應付長班次，並在成本上證明其優於輸送帶、固定式掃描器、AMRs 及人力勞動的機器。

買家仍面臨一些棘手的問題。工作單元是否為了直播而簡化？人類重置周邊流程的頻率有多高？標籤損壞、紙箱擠壓、液體溢出、混合 SKU 或輸送帶堵塞時會發生什麼？機械人能否在真實客戶倉庫的機隊中，憑藉服務水平保證（service-level guarantees）維持相同的正常運行時間？

商業上的啟示並非每條分揀線突然都需要人形機械人，而是 Figure 正試圖證明其可靠性層級：機載自主性、處理速度、視覺標籤處理及長時間運作。如果這些指標持續改進，搭載 Helix 的 Figure 機械人將不僅適用於像 BMW 式的製造試點工廠任務，對於將人形機械人與傳統自動化設備進行比較的物流買家來說，也將變得具有參考價值。

對於 RoboHub 的買家而言，Figure 02 仍是列出的商業參考點，而 Figure 03 和 Helix-02 則代表了將於 2026 年演示中出現的新型自主技術棧。任何嚴肅的採購洽談都應詢問現有型號的供應情況、試點地理區域、支援的負載（payloads）、正常運行時間數據、集成要求，以及 Figure 是直接處理倉庫諮詢還是透過選定的合作夥伴進行。