文章目录
- Figure F.03人形机器人技术解析：完全自主爬梯如何跨越真实世界移动门槛
- 一、引言：机器人终于开始迁就人的世界
- 二、事件与证据边界：视频证明了什么
- 2.1 三层信息必须分开
- 2.2 一段视频尚未回答的关键问题
- 三、为什么爬梯比跑跳更难
- 3.1 从连续地面变成离散接触
- 3.2 七个难点同时发生
- 3.3 金属梯带来的额外不确定性
- 四、可能的技术栈：从看见横档到站上平台
- 4.1 一条合理的控制链路
- 4.2 感知：不仅要识别，还要定位可接触区域
- 4.3 规划：离散顺序与连续运动要一起求解
- 4.4 恢复：决定能力能否走出展示环境
- 五、Figure F.03 与 Helix 02 的软硬件基础
- 5.1 从步态控制到像素直达全身动作
- 5.2 为什么“无云端接管”不等于“纯端侧计算”
- 六、横向对比与工程价值：从“能爬”走向“敢用”
- 6.1 这不是机器人第一次爬梯，突破点在系统组合
- 6.2 真正的“1 到 N”要看哪些数字
- 七、总结：这是可行性起点，不是可靠性终点
Figure F.03人形机器人技术解析：完全自主爬梯如何跨越真实世界移动门槛
一、引言：机器人终于开始迁就人的世界
2026 年 8 月 1 日，Figure 创始人兼 CEO Brett Adcock 发布了一段 F.03 攀爬金属梯的视频，并写道：F.03 can now climb a ladder, fully autonomous。按照本次事件披露的信息，机器人没有遥控，也没有云端人工接管，完成攀爬后在上方平台站稳。
这段画面的意义不在于“又一个机器人会表演高难度动作”。跑步、后空翻可以展示机构性能，爬梯却直接对应工厂检修、仓储夹层、船舶舱室、施工设施等由人类尺度决定的空间。过去若机器人遇到高度差，常见办法是加电梯、铺坡道或由人辅助；人形机器人的长期承诺恰恰相反：尽量沿用门、楼梯、梯子和工具等既有设施，而不是要求整个环境为机器人重建。
不过，一段公开视频证明的是一次可行性演示，不等于已经形成可重复、可认证、可批量部署的爬梯产品。本文将把官方事实、题设信息与工程推断分开，从接触力学、感知、全身控制、软硬件基础和生产化指标五个角度解析这次“0 到 1”的进展。
亲爱的朋友们，创作不容易，若对您有帮助的话，请点赞收藏加关注哦，您的关注是我持续创作的动力，谢谢大家！有问题请私信或联系邮箱：jasonai.fn@gmail.com
二、事件与证据边界：视频证明了什么
2.1 三层信息必须分开
| 信息层级 | 可以确认的内容 | 不能顺带推出的结论 |
|---|---|---|
| Figure 负责人公开原文 | F.03 已能爬梯；描述为“fully autonomous”；帖子包含视频，发布时间为 2026 年 8 月 1 日 | 未说明梯子规格、测试次数、成功率、训练方法和计算部署位置 |
| 本次题设提供的信息 | 对象为真实金属梯；无遥控；全程无云端接管；最终在上方站稳 | “无云端接管”不等于所有神经网络都只在机身端运行，也不等于完全不使用网络通信 |
| 本文工程分析 | 任务通常需要梯级识别、多接触规划、手脚协同、重心调节、力控制与异常检测 | 不代表 Figure 已公开其爬梯控制器的内部实现，更不能把通用技术路线写成该公司的确认方案 |
这里尤其要辨析“自主”的含义。机器人领域至少存在三种容易混淆的状态：预先录制并回放关节轨迹、由远端人员实时操控，以及根据传感器反馈在线调整动作。官方的fully autonomous排除了把演示简单描述为人工逐步遥控，但公开文字仍不足以回答策略是否预先选定、是否针对该梯训练、发生扰动后能否重规划等问题。
2.2 一段视频尚未回答的关键问题
| 待验证项 | 为什么重要 | 理想披露方式 |
|---|---|---|
| 未见过的梯子能否成功 | 判断能力是记住一个场景，还是理解一类结构 | 不同梯宽、横档间距、倾角和材质的盲测 |
| 重复成功率 | 单次成功无法反映尾部风险 | 连续多轮测试及失败分布 |
| 湿滑、振动和遮挡适应性 | 工业现场远比展示环境复杂 | 分级扰动测试与摩擦系数范围 |
| 失足后的处理 | 爬梯错误的后果远高于平地停机 | 暂停、重新抓握、退回和防坠策略 |
| 负载与续航 | 真正任务往往还要携带工具 | 不同载荷下的速度、功耗与热状态 |
| 安全认证 | “能做”与“允许在人旁边做”是两回事 | 第三方测试、风险分析和安全机制说明 |
因此，更准确的判断是：这是一条很强的可行性信号，说明 Figure 已跨过“能否让同一台人形硬件自主完成梯子多接触运动”的门槛；它还不是通用爬梯能力或生产就绪的充分证据。
三、为什么爬梯比跑跳更难
3.1 从连续地面变成离散接触
平地行走时，脚底拥有相对连续、面积较大的支撑区域。梯子的横档窄、接触面呈圆柱状且彼此分离，机器人每向上移动一步，都要主动拆除一个旧接触并建立一个新接触。手和脚不再只是“操作器”与“移动器”的分工，而是共同承担支撑、牵引和抗倾覆任务。
从动力学角度看，机器人质心加速度由多个接触力共同决定：
[
m(\ddot{c}-g)=\sum_i f_i
]
同时还要满足角动量平衡、关节力矩限制、摩擦约束和不碰撞约束。只要某只手的抓握力下降或脚掌在横档上发生几毫米滑移，可用接触集合就会改变，原先可行的全身姿态可能立即失效。
3.2 七个难点同时发生
| 难点 | 平地或楼梯 | 近垂直梯子 |
|---|---|---|
| 支撑形态 | 脚底面接触为主 | 手脚四肢形成稀疏、多方向接触 |
| 感知目标 | 地面高度、障碍物 | 每根横档的位置、直径、倾角与可抓区域 |
| 重心运动 | 主要在双脚上方平移 | 质心需贴近梯体并反复上下、左右切换 |
| 协调方式 | 双足交替，手臂可辅助平衡 | 手脚必须按严格顺序抓握、踏稳和卸载 |
| 接触可靠性 | 鞋底接触面积较大 | 手指包络与脚底窄边接触更易滑移 |
| 视野条件 | 前方通常可见 | 手臂、梯级和躯干会相互遮挡，金属还可能反光 |
| 失败代价 | 多数情况下可停步 | 失去一个关键接触就可能跌落 |
最难的通常还不是梯子中段，而是两个转换区。开始攀爬时，机器人要从双脚站立切换为手脚共同承重；到达顶部时，又要把脚从横档迁移到平台，同时让躯干越过边缘并重新建立直立平衡。2015 年关于“梯子与栈道转换”的研究专门把这一阶段作为问题，说明“爬到顶”和“安全上平台”本来就是两个任务。
3.3 金属梯带来的额外不确定性
金属表面的高光会干扰深度估计，圆形横档使脚底有效接触区域更小，摩擦还会随涂层、灰尘和湿度变化。对控制系统而言，视觉只负责回答“横档大概在哪里”，真正接触后还必须借助关节位置、力矩、触觉等信号确认“是否抓牢、是否踩实、是否正在滑”。这也是爬梯无法只靠一条漂亮的离线动作轨迹完成的原因。
四、可能的技术栈：从看见横档到站上平台
说明：本章是基于人形机器人研究与 Figure 已公开平台能力给出的工程推断，并非 Figure 对该次爬梯控制器的技术披露。
4.1 一条合理的控制链路
头部视觉 + 手掌视觉 + 触觉 + 全身本体感知 │ ▼ 梯级几何与机器人状态估计 │ ▼ 全身接触序列：左手→右脚→右手→左脚 │ ▼ 手部抓握 + 脚部落点 + 质心转移 │ ▼ 关节力矩与柔顺反馈控制 │ ▼ 滑移、偏差和碰撞检测 ┌─────┴─────┐ ▼ ▼ 继续攀爬 暂停承重并调整 │ 重新抓握/重新落脚/退回这条链路不是简单的“感知一次、规划一次、执行到底”。机器人要在每次接触建立后重新估计自身和梯子的相对位置，再决定是否转移载荷。对于高风险动作，控制系统还应设定接触置信度门槛：当前手未确认抓牢，就不能释放下一只脚。
4.2 感知：不仅要识别，还要定位可接触区域
检测到“这是一把梯子”远远不够。控制器需要把视觉结果转换为三维几何：横档中心线、间距、扶手方向、顶部平台边缘，以及每个手脚可达的候选接触位姿。头部相机适合观察全局，接近横档后却容易被手臂遮挡；手掌相机可提供近距离视角，触觉则用于确认抓握与滑移趋势。
4.3 规划：离散顺序与连续运动要一起求解
爬梯同时包含两个问题：下一步用哪只手或脚接触哪根横档，以及整副身体如何在关节极限内移动过去。前者是离散的接触序列，后者是连续的轨迹优化。若只规划末端位置，可能出现手脚都“够得到”，但躯干撞上梯子、膝关节过伸或质心无法转移的情况。
| 规划层 | 核心问题 | 典型约束 |
|---|---|---|
| 任务层 | 何时上梯、何时转入平台 | 环境语义、目标位置、退出条件 |
| 接触层 | 哪一肢体接触哪一横档 | 可达性、接触数量、摩擦与稳定裕量 |
| 全身层 | 各关节如何协同运动 | 碰撞、关节范围、质心与动量 |
| 执行层 | 如何吸收模型误差 | 力矩限制、柔顺性、触觉和本体反馈 |
4.4 恢复：决定能力能否走出展示环境
演示动作追求完成，工程系统更关心异常时不失控。合理的恢复策略至少包括：手抓偏后先保持其他三点承重；脚未踩实则撤回原横档；检测到持续滑移时降低质心并停止向上；到顶姿态不可行时退回一格重新规划。未来衡量爬梯水平，不应只看速度，而要看机器人是否知道自己“不确定”，以及能否在不确定时选择低风险动作。
五、Figure F.03 与 Helix 02 的软硬件基础
虽然 Figure 没有公开这次爬梯的专用架构，但其此前发布的硬件和控制系统解释了为什么 F.03 具备尝试这类任务的基础。
5.1 从步态控制到像素直达全身动作
Figure 在 2025 年 3 月公布了 Figure 02 的强化学习步态控制器：策略在高保真仿真中训练，通过域随机化和机器人上的千赫兹级力矩反馈迁移到真实硬件。这个阶段解决的是稳健本体运动。
2025 年 10 月发布的 Figure 03 则重新设计了视觉与手部。官方称其相机帧率提升至上一代的 2 倍、延迟降至四分之一、单相机视野扩大 60%；每只手增加手掌相机，指尖触觉传感器可检测小至 3 克的压力。这里的数字均来自 Figure 官方，但它们描述的是平台规格，不是此次爬梯的专项测量。
2026 年 1 月公布的 Helix 02 进一步把头部相机、手掌相机、指尖触觉和全身本体感知连接到统一的视觉运动网络。其公开层次中，S1 以 200 Hz 生成全身关节目标，S0 以 1 kHz 处理平衡、接触和全身协调。Figure 当时展示的是连续厨房任务与精细操作，并未声称已经覆盖梯子；其价值在于证明了同一控制层次可以同时处理移动与操作，而爬梯正是两者高度耦合的任务。
| 时间 | Figure 公开进展 | 与爬梯的潜在关系 | 证据性质 |
|---|---|---|---|
| 2025 年 3 月 | 仿真强化学习步态、域随机化、千赫兹级力矩反馈 | 提供抗模型误差与扰动的本体控制基础 | 官方技术文章 |
| 2025 年 10 月 | Figure 03 新视觉、手掌相机、柔顺指尖与触觉 | 改善近距离横档观察、抓握确认和滑移感知 | 官方产品文章；关联为本文推断 |
| 2026 年 1 月 | Helix 02 统一视觉、触觉、本体感知与全身执行 | 为手脚同步和全身接触控制提供软件基础 | 官方技术文章；关联为本文推断 |
| 2026 年 8 月 | F.03 完全自主爬梯视频 | 首次公开呈现这一具体能力 | CEO 公开帖子与题设信息 |
5.2 为什么“无云端接管”不等于“纯端侧计算”
“没有云端接管”说明任务执行期间没有由远端系统替机器人作出人工干预式决定，但公开信息并未完整披露模型放在哪里运行。机器人可能把高速平衡控制放在本机，也可能在任务准备、日志处理或非实时环节使用外部计算。对爬梯而言，接触失稳后的响应必须足够快且不应依赖不确定的广域网延迟；这是工程上的必要性判断，不是本次演示已经公开的部署说明。
六、横向对比与工程价值：从“能爬”走向“敢用”
6.1 这不是机器人第一次爬梯，突破点在系统组合
学术界十多年前已有成果。2014 年的 HRP-2 研究展示了垂直梯攀爬；同年的 DARPA Robotics Challenge 相关研究讨论了 Atlas 的稳健爬梯；2015 年研究进一步处理从梯子转换到栈道的问题。因此，把 F.03 写成“全球机器人首次爬梯”并不准确。
它值得关注的地方，是新一代通用人形平台尝试把视觉、触觉、全身神经控制和产品化硬件组合到同一个自主任务中。相比为单一梯子设计专用夹具或预编程轨迹，这条路线的目标更接近让机器人识别并使用人类已有设施。不过，是否已实现跨梯型泛化，仍需要更多公开测试。
| 路线 | 优势 | 局限 | 更适合的场景 |
|---|---|---|---|
| 改造环境：坡道、电梯、升降台 | 稳定、易认证，控制简单 | 建设成本高，临时现场或狭窄设施难改造 | 固定产线、高频物流通道 |
| 轮式/履带机器人配专用攀爬机构 | 能效高、低重心，可针对障碍优化 | 对门槛、梯型和上下平台转换有结构限制 | 巡检、救援、明确地形 |
| 传统规则与轨迹规划的人形机器人 | 行为可解释，约束可显式检查 | 对感知误差和环境变化敏感，调参成本高 | 结构已知、任务固定的研究与作业 |
| 学习控制的通用人形机器人 | 有机会把感知与全身动作统一，并迁移到更多人类设施 | 验证困难，异常行为和长尾风险仍需约束 | 多任务、环境变化大的未来场景 |
6.2 真正的“1 到 N”要看哪些数字
| 指标组 | 建议指标 | 生产现场关心的问题 |
|---|---|---|
| 成功性 | 单次成功率、连续任务成功率、顶部转换成功率 | 一班作业中会失败多少次 |
| 泛化性 | 梯宽、档距、倾角、材质、光照范围 | 换一把梯子是否需要重新训练 |
| 鲁棒性 | 抓偏、踩偏、轻微振动、低摩擦下的恢复率 | 小误差会不会迅速演变为跌落 |
| 效率 | 攀爬时间、单位高度能耗、热负载 | 是否比人工或改造设施更划算 |
| 作业性 | 携带工具后的负载、到顶后可执行任务 | 机器人上去之后能否真正干活 |
| 安全性 | 防坠设计、危险区管理、故障停机与退回能力 | 失败是否可控，人员能否安全共处 |
这也解释了所谓“从实验室能跑能跳，到真实世界能上能下”的差别。前者强调峰值运动性能，后者强调任务链的完整性：发现梯子、接近、上梯、连续换手换脚、越过平台、恢复站立，最后还要保留足够能量执行工作。只有这条链能在多种现场稳定复现，商业价值才真正成立。
七、总结：这是可行性起点，不是可靠性终点
| 维度 | 核心判断 |
|---|---|
| 事件意义 | F.03 的自主爬梯演示表明，通用人形机器人开始挑战按人类身体设计的高难度基础设施 |
| 技术本质 | 爬梯是感知、四肢多接触、质心与动量控制、抓握力调节、滑移检测和顶部转换的综合题 |
| Figure 基础 | Figure 03 的视觉与触觉硬件、Helix 02 的全身控制层次，为此类任务提供了合理基础，但官方尚未公开爬梯专用实现 |
| 证据边界 | 公开视频支持“完全自主”的一次演示；真实金属梯、无遥控和无云端接管来自本次题设，更多技术细节仍待披露 |
| 下一门槛 | 从单场景成功走向跨梯型泛化、连续高成功率、异常恢复、负载作业与安全认证 |
F.03 这次展示最重要的信号，不是机器人终于学会了一个炫目的新动作，而是机器开始尝试适应人的世界。梯子、楼梯、门把手和狭窄通道原本就是人形方案存在的理由：机器人若能直接使用这些设施，部署方就不必先把每座工厂、每艘船或每处工地改造成机器专用空间。
但“0 到 1”回答的是能不能，“1 到 N”回答的是能否稳定、低成本且安全地反复做到。对 Figure 而言，下一段更有说服力的视频不会只是爬得更快，而应展示不同梯子、未知扰动、失败恢复、携带工具以及长时间重复测试。那时，爬梯才会从一次能力证明变成真正可采购的作业能力。
参考资料：
- Brett Adcock：F.03 can now climb a ladder, fully autonomous（2026-08-01）
- Figure：Introducing Figure 03（2025-10-09）
- Figure：Introducing Helix 02: Full-Body Autonomy（2026-01-27）
- Figure：Natural Humanoid Walk Using Reinforcement Learning（2025-03-25）
- Vertical ladder climbing by the HRP-2 humanoid robot（Humanoids 2014）
- Robust ladder-climbing with a humanoid robot with application to the DARPA Robotics Challenge（ICRA 2014）
- Robust vertical ladder climbing and transitioning between ladder and catwalk for humanoid robots（IROS 2015）