IT之家 5 月 25 日消息，美国机器人企业 Figure AI 旗下的 Figure 03 人形机器人，已完成长达 200 小时的全自动作业直播。 IT之家注意到，在此次作业期间，这些机器人累计分拣近 25 万个包裹，全程未出现任何硬件故障。 公司首席执行官布雷特 · 阿德科克表示，这次里程碑式的测试最初是为回应工业自动化领域资深专家斯科特 · 沃尔特博士发起的 8 小时耐力挑战。 5 月 14 日，Figure AI 就曾宣布，其人形机器人已突破 24 小时连续自主作业时长，远超原定的 8 小时测试目标。 这家总部位于加利福尼亚州的初创企业，投入三台搭载 Helix-02 人工智能系统的人形机器人开展作业。整场作业全程直播，机器人昼夜不停地自动分拣小型包裹。 这场演示在网络上引发广泛关注，网友持续关注机器人的运行时长与作业表现，其工作时长不断突破企业最初设定的 8 小时目标。随后，Figure AI 按照网友的提议，为机器人配上了专属名牌。三台机器人被网友分别取名为鲍勃、吉姆和露丝。它们依靠机载摄像头与人工智能推理能力识别条形码，抓取包裹，并将条形码的一面朝下放置在传送带上。 本次直播在 Figure AI 森尼韦尔总部落下帷幕时，机器人仍在积极分拣包裹，最终累计处理包裹 249560 个。在运行时长突破 200 小时的关键时刻，工作人员在操作台后开启香槟庆祝，而名为“露丝”的机器人依旧继续工作。 据该公司介绍，人工分拣单个包裹平均耗时约 3 秒，而 Figure 03 机器人的分拣速度如今已基本追平人类。在连续 200 小时的运行过程中，所有机器人均未发生重大机械故障或导致系统停运的宕机问题。 为实现不间断作业，Figure AI 采用了机器人自主轮换调度系统。单台机器人电池续航约 4 小时，当电量不足时，另一台机器人会自动接替工作，电量耗尽的机器人则会走向集成在其脚部的无线充电座进行充电。 整场作业并非完全没有失误，期间偶尔出现包裹掉落、摆放方向出错等情况。Figure AI 表示，在这场长时长自主测试中，这类问题属于包裹操作失误，并非机器人本体故障。 Figure AI 称，当检测到软硬件故障时，其人形机器人可自主离开作业区前往检修，同时会有其他机器人立刻补位，保障作业不中断。公司表示，一旦机器人出现故障，它能自行导航至维修区域，接替机器人也会无缝接手工作，全程无需人工干预。 在此之前，该公司的机器人就已借助 Helix-02 系统完成过完整的 8 小时自主轮班作业。为推进工厂落地应用的相关验证工作，Figure AI 还曾在真实工业场景中测试其人形机器人平台，测试地点包括南卡罗来纳州的宝马生产工厂。 Figure AI 介绍，Helix-02 是一套一体化神经网络系统，将视觉、触觉传感、本体感知与全身控制整合为一体。传统工业机器人的移动与操作功能依赖独立子系统，而该公司的这套方案仅靠单一人工智能模型，就能让机器人在复杂多变的环境中完成行走、保持平衡、搬运物品及协同运作等一系列动作。
在Configure third-party inference里，一般来说配置官方模型claude-sonnet-4-6就是显示为Sonnet 4.6，那么参照这个格式，把gpt模型接入只要设置为claude-gpt-5-4即可变为Gpt 5.4并且可以直接设置effort level 不过要xhigh那就还是只能设置为claude-sonnet-gpt5.4(xhigh) 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 5 月 19 日消息，Figure AI 让旗下一款机器人和人类比拼分拣包裹，结果人类险胜。 这家估值 390 亿美元（IT之家注：现汇率约合 2656.92 亿元人民币）的机器人初创企业 Figure AI 公司，近一周来持续在其圣何塞总部直播旗下机器人将包裹以条形码朝下的方式放置在传送带上的全过程，数百万网友涌入直播间，观看这场新奇又上头的机器人重复性劳作画面。 本周末，Figure AI 加码挑战，请来一名实习生与自家机器人展开一场时长 10 小时的包裹分拣对决。领英平台信息显示，这名名叫艾梅・热拉尔的实习生是一名视觉设计专员。 比赛前期热拉尔一直占据优势，可人体生理极限很快拖了后腿。比赛进行到约 5 小时时，他起身去洗手间休息，人形机器人趁机反超。 即便身为人类存在诸多生理短板，热拉尔依旧逆风翻盘。历经 10 小时高强度劳作，他手上都磨出了水泡，最终完成 12924 件包裹分拣，比对战机器人多出 192 件。热拉尔分拣单件包裹平均用时 2.79 秒，而人形机器人则为 2.83 秒。 Figure AI 创始人兼首席执行官布雷特・阿德科克在社交平台 X 上发文称： 这将是人类最后一次赢得此类比拼。 自上周三起，多款人形机器人便在 Figure AI 总部的环形传送带上分拣包裹。该公司投资人兼董事杰西・库尔斯 - 布兰肯希普上周透露，这场实测旨在向潜在客户证明，旗下人形机器人能够长时间稳定作业，甚至可实现 24 小时轮班工作。 上周三 Figure A 首次开启测试，让人形机器人连续自主工作 8 小时。现场一台机器人负责分拣包裹，另外两台在一旁充电待命，随时接替电量不足的同伴。8 小时直播结束后，该内容在 X 平台播放量突破 150 万次，网友还为三台机器人取名鲍勃、弗兰克与加里。 24 小时后，这批人形机器人累计分拣包裹超 3 万件，全网累计播放量突破 300 万次。时至今日，这场直播仍在持续，已不间断开播六天。 阿德科克表示，这场直播会一直进行到机器人出现故障为止。不少观众直言这场直播“莫名上头”，还将其称作“机器人治愈白噪音”，Figure AI 甚至顺势推出了这款分拣包裹人形机器人的周边文创产品。 此前 Figure AI 也曾发布视频，展示旗下人形机器人整理床铺等日常家务操作。 俄亥俄州立大学工程学院院长、机器人领域专家阿亚娜・霍华德评价称，这些机器人能够长时间无故障运转确实亮眼，但受限于作业精准度问题，目前该技术还无法正式投入商用。机器人时常出现把包裹条形码朝上放置、不慎将包裹碰落传送带等失误。 霍华德直言：“想要在物流中心普及全自动人形机器人，我们还有很长的路要走。”
近日，美国AI机器人公司Figure AI发起了一场长达10小时的“人机对决”竞赛，结果有些出人意料。比赛项目很简单， 就是由一名人类工人与该公司的人形机器人比拼，看谁在规定时间内能分拣更多包裹 。 参赛双方为1名实习生和1个人形机器人团队（3台机器人轮换），比赛中双方需要扫描包裹上的条形码，并将其朝下放置在传送带上。 人类享受加州法定30分钟用餐休息+2个10分钟带薪休息时间，而机器人则无间断自主工作，最终以完成正确分拣的包裹总数为胜负标准。 官方介绍称该机器人使用自研 Helix-02 端侧神经网络系统，此前已展示可连续工作47-57小时的能力，处理超过33000个包裹无故障，平均速度接近人类（约2.6-3秒/件）。 比赛开始前，有人预测机器人势必会获胜， 毕竟人类需要休息，而且会疲劳，随着时间推移，后续工作效率和正确率势必会大打折扣 。 然而比赛结束时， 人类正确分拣了12926个包裹的（平均每2.79秒1个），机器人则为12757个（平均每2.83秒1个），以微弱劣势败北 。 Figure AI创始人兼CEO Brett Adcock 表示：“机器人虽未赢，但表现远超预期，这是人形机器人商业化的重要里程碑。” 值得一提的是，此前在直播中，Figure AI还因为一些反常动作遭遇质疑： 有观众指出机器人抓取、转身时存在0.5秒左右滞后，符合人类的操控逻辑，而非AI即时决策；直播中还出现机器人突然抬手“摸头”、无故停顿等异常动作，被认为是远程操作员调整AR眼镜视角或操作失误的痕迹。 最终比赛结果 查看评论
这几天休息的时候一直在看figureai的直播，感觉挺不错的，有没有佬对这方面比较了解的？目前国内类似于宇树能做到什么样的水准？这种机器人主要的技术点是在硬件上还是软件上？ 4 个帖子 - 2 位参与者 阅读完整话题
IT之家 5 月 15 日消息，人形机器人公司 Figure AI 昨日开启了一项直播挑战，让人形机器人直播分拣快递。 官方原计划挑战 8 小时的完整工作时段，机器人的任务就是把每个快递的标签页朝下摆放，然后把快递送到传送带上。 截至IT之家发文，Figure AI 机器人已顺利完成 8 小时挑战，但没有停下， 已经工作了 33 个小时，分拣了超 4 万个包裹 。 虽然机器人分拣效率看起来不错，不过IT之家还是从直播发现了错误， 机器人偶尔会把快递包裹推到传送带外面，导致包裹掉到地上 。显然，机器人是没有做出应对措施的。 即便还是有细微瑕疵，但机器人对于人类机械重复劳动的替代已经可以想象，一个快递分拣站放置数个机器人，只需要一个真人负责检查遗漏包裹就可以，大大降低了人力使用。 Figure AI 公司表示， 这些机器人基于 Helix 02 模型，以“完全自主”模式运行 ，并以“人类性能水平”工作。 需要注意的是，并不是只有一个机器人进行直播，续航显然撑不住。当机器人电池电量不足时，会换一个机器人继续工作。 相关阅读： 《 人形机器人上岗快递分拣员，星动纪元联手中国邮政打造 》
IT之家 5 月 9 日消息，当地时间 5 月 8 日，Figure AI 公布了一段视频：两台人形机器人走进一间极简风格卧室，开始协作整理房间。一台机器人挂起外套，另一台合上笔记本电脑并挂好耳机。随后，两台机器人分别来到床的两侧，调整枕头，把被子拉平铺好。两台机器人通过点头配合，协同完成抬被子、铺放和回拉等动作， 不到两分钟就整理好一张床 。 铺床对人类来说只是普通家务，但对机器人来说难度很高。Figure AI 表示，难点主要有三方面。 首先，同一房间里的两台人形机器人，并不等于两台机器各干各的：一台机器人的每个动作，都需要 被另一台理解 。 其次， 被子没有固定形状，也没有清楚边界 ，无法简单区分哪一侧属于哪台机器人。两台机器人必须预判彼此动作，并随着被子在手中折叠、垂落和滑动不断调整。 第三，机器人还需要在房间内移动，并在不同任务之间切换。 Figure AI AI 主管科里 · 林奇在 X 上写道：“明确一点，这些机器人之间没有显式消息传递，它们完全通过视觉协调动作，比如点头。”他还强调，视频为正常速度播放，机器人完全自主运行，没有远程遥控。 Figure AI 表示，公司使用新数据训练了 今年早些时候推出的 Helix 02 模型 ，让机器人可以处理更复杂的任务，包括开门、推动家具和悬挂衣物。公司没有说明人形机器人何时会面向消费者上市。 Figure AI 已融资超过 10 亿美元，估值达到 390 亿美元（IT之家注：现汇率约合 2658.11 亿元人民币）。阿德科克曾表示，他希望“打造一个新物种”，即能够繁殖并相互分享知识的机器人。“我认为我们会在有生之年看到这一场景。”
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
之前按网上搜来的办法，在 Claude Desktop （ Help → Troubleshooting → Enable Developer Mode Developer → Configure Third-Party Inference ）里添加了 DeepSeek 的 API ，运行正常。今天发现 Claude 提示： message: Invalid custom3p enterprise config: inferenceModels: configured model "deepseek-v4-pro" is not an Anthropic model. Gateway deployments require an Anthropic model from the provider catalog — expected a gateway model route referencing an Anthropic model (e.g. claude-sonnet-4-5, anthropic/claude-*). Name routes to match the underlying model. failingField: inferenceModels 是不是要在 deepseek-v4-pro 之前加一个 claude- 才行了？
如图所示，第一次对话，尝试让小米mimo识别figure他却胡说八道，尝试了新的figure也是这样，不知道他这些记忆哪里来的 3 个帖子 - 2 位参与者 阅读完整话题
WIRED – 4 May 26 This Company Has Figured Out a Way to Make Face ID Invisible Metalenz’s Polar ID face-scanning technology works even when the camera is hidden under the display. [!quote]+ Metalenz 的光学元表面技术是一种平面透镜系统，与大多数智能手机中的传统多透镜元件相比，它只占用很小的空间。有关该技术的更多信息，请点击此处阅读我们对该公司的原始报道。简而言之，元表面技术不是通过多个塑料或玻璃透镜元件折射光线，从而提高图像清晰度、校正像差，并为相机传感器带来更多光线，而是使用带有纳米结构的单透镜，将光线折射到传感器上。 Metalenz 公司表示，目前已有 3 亿多个元表面应用于消费类设备中，取代了飞行时间传感器中笨重的传统光学元件，后者可捕捉深度信息并辅助相机自动对焦。 该公司还首创了一种利用这些元表面捕捉偏振数据的方法。当光线照射到具有特定材料特性的物体上时，会产生独特的偏振特征。反射到黑冰上的光线与反射到路面上的光线具有不同的偏振特征。利用机器学习算法，该系统可以快速识别道路上的黑冰，并向驾驶员发出警报。 因此，该公司开发了 Polar ID，这是一个面部身份验证平台，可与苹果公司的 Face ID 相媲美。通过偏振光数据，该公司的传感器可以分辨出一个人的真实面孔和一个戴着3D面具的人，因为从人的皮肤上反射出的偏振光信息与从面具硅胶上反射出的偏振光信息相比是独一无二的。是的，它甚至比谷歌 Pixels 上的人脸解锁系统更安全，因为后者可以用高质量的 3D 面具进行欺骗。 2023 年底，Metalenz 宣布与高通公司（Qualcomm）合作，扩大该系统的规模，现在这个 Polar ID 人脸识别系统终于可以量产了。它将于 2027 年部署到消费类设备–笔记本电脑和智能手机上。它的推出可能意味着安卓系统终于有了与 Face ID 相当的系统，其组件比苹果的 TrueDepth 摄像头系统占用更少的空间，而且与谷歌的人脸解锁不同，它不会受到强光或昏暗环境的影响。 "Metalenz 首席执行官罗布-德夫林（Rob Devlin）告诉《WIRED》："我们现在已经通过多家第三方机构的测试证明，我们在性能、阻隔掩码和任何质量的掩码方面都达到了他们规定的最高安全标准。 在洛杉矶举行的显示技术大会 Display Week 上，Metalenz 展示了其 Polar ID 系统如何在 OLED 显示屏下工作。你仍然可以在屏幕上看到一个自拍摄像头，用于自拍。但是，Polar ID 系统将位于显示屏下方的自拍摄像头旁边，实际上是隐形的。 1 个帖子 - 1 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI 生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI 生成、润色内容已使用截图方式发出 前言 论文绘图反复抽卡，好不容易抽到一张满意的图片，但是发现只是一张“死图”，中间的图标跟文字有问题根本改不了 。 你已经急哭 我们实验室之前推出的 AutoFigure，作为首个能够从长篇科学文本中自动生成出版级学术插图的智能体框架，已经入选 ICLR 2026。现在我们更进一步发布了 AutoFigure-Edit。 论文地址： [2603.06674] AutoFigure-Edit: Generating Editable Scientific Illustration 项目地址： github.com GitHub - ResearAI/AutoFigure-Edit 通过在 GitHub 上创建帐户来为 ResearAI/AutoFigure-Edit 开发做出贡献。 我们做了什么 如图，Autofigure-Edit 的处理流程分为 5 步：先按指定风格生成图片，再把图里的各个部分拆开、认出来，把能复用的图标和元素提取出来，整理成可编辑的 SVG 模板，最后再把这些元素重新填进去，得到一张真正能改字、改图标、改结构的学术插图。 当然这个流程图也是由 AutoFigure-Edit 生成的 。 自动化评估碾压 用数据说话 更多案例 这些图都是从论文原文一键生成的。生成之后如下图所示，也能直接在我们内嵌的 SVG Editor 里继续修改。 最后 看到这里，如果各位佬觉得还不错，欢迎点点 star 支持一下，如果有什么建议也可以在 issue 上提出，我们的 2.0 版本也已经提上日程了 ，等 GPT-image-2 模型出来我们也会第一时间测试效果。 5 个帖子 - 5 位参与者 阅读完整话题
Figure创始人Brett Adcock旗下的AI初创公司Hark宣布完成7亿美元A轮融资，估值达60亿美元。本轮融资由Parkway Venture Capital领投，英伟达、AMD Ventures、Intel Capital等参投。资金将用于扩展GPU基础设施，加速未来AI模型的开发，以及设计和构建下一代AI硬件。（财联社）
36氪获悉，中信建投证券研报称，Figure机器人直播分拣，关注垂类应用放量拐点。Figure03全天候直播包裹分拣任务，这表明人形机器人正在从实验室加速走向商业化应用阶段，人形机器人板块的核心已从主题投资向量产预期演进，机器人在工业、商业、家庭等场景的落地进程是当前资本市场关注的重点。F.03连续分拣超过80小时、处理超过10万个包裹，这是人形机器人工业场景落地应用的重要考验，证明其在自主性、连续性、可靠性方面得到了明显提升。
Figure创始人布雷特·阿德科克在社交平台X发文称，过去120天里，Figure的生产效率扩大了24倍——从每天1台机器人提升到每小时1台机器人。Figure将在本周生产55台人形机器人。公司在新闻稿中表示：“我们的机器人数量越多，我们为人形人工智能模型Helix生成的数据就越多。这种增长也使我们能够将更多机器人部署到现实世界中，从而利用来自实际运行环境的直接反馈来强化我们的系统和能力。 ”（财联社）