看 Figure AI，最容易被带跑的方式，是把 Figure 01、Figure 02、Figure 03 当成三台“越来越新的机器人”。这样看会漏掉真正重要的东西：每一代其实都在回答一个不同的工程问题。
Figure 01 主要证明的是基础 humanoid 平台能不能闭环；Figure 02 开始把机器人放进更结构化的 workforce 场景里，逼它面对节拍、可靠性和维护；Figure 03 则明显转向 Helix、家庭环境和规模化制造。换句话说，Figure 的代际变化不是简单参数升级，而是任务环境一路变难、系统接口一路被补齐。
先给结论：三代机器人分别在验证什么
如果只看外观和规格，Figure 03 很容易被理解成 Figure 02 的“家用版”。这个说法太轻了。Figure 03 的真正变化，是它把传感器、手、触觉、软包覆、无线充电、数据回传和制造工艺一起往 Helix / home / fleet scale 这条线压。
| 代际 | 官方定位 | 真正该看什么 | 先别误读成什么 |
|---|---|---|---|
| Figure 01 | 第一代基础平台；官方称 2023 年 5 月迈出第一步。 | 站立、行走、软硬件集成、最小控制闭环是否成立。 | 不要把它当成熟商品机器人，也不要用它判断家庭任务能力。 |
| Figure 02 | workforce / real-world deployment；强调手部、电池、紧凑设计，并进入 BMW 工位测试。 | 真实工位边界、节拍、抓取、维护、热管理、跨机器人一致性。 | 不要把特定工厂任务成功直接推成通用泛化。 |
| Figure 03 | designed for Helix, the home, and the world at scale。 | 家庭长尾、安全接触、近距离感知、触觉、fleet data、量产一致性。 | 不要把“面向家庭”直接等同于家政机器人已经成熟。 |
Figure 01：先证明身体和控制闭环能跑起来
Figure 官方在 company 页面把 Figure 01 放在 “beginnings” 位置，核心信息很少：第一代机器人在 2023 年 5 月迈出第一步，为后续 humanoid robot 的未来打基础。对工程读者来说，这反而说明 Figure 01 的角色不该被过度包装。
第一代平台最重要的不是“能做多少任务”，而是先把身体、执行器、传感器、控制、供电、基础软件栈和远程调试链路接成一个可迭代平台。人形机器人早期最怕的是 demo 看起来会动，但每次改一点东西都要重新排查硬件、软件、状态估计和保护逻辑。Figure 01 更像是把这些基础链路先打通的工程样机。
所以看 Figure 01，不应该问它是不是已经能进工厂或家庭。更该问：它是不是让团队学会了如何把 humanoid 身体作为一个完整系统调起来，包括走路、平衡、故障保护、数据记录和快速迭代。
Figure 02：从实验室走到 workforce，开始被真实工位教育
Figure 02 的定位明显变了。Figure 官方说，F.02 精简了设计，提高了手部灵巧度，把电池整合进躯干，并形成更紧凑、更适合 real-world deployment 的结构。更关键的是，Figure 后续披露 Figure 02 在 BMW Group Plant Spartanburg 做过 11 个月部署。
按 Figure 官方披露，这个 BMW 用例是 sheet-metal loading：机器人从 racks 或 bins 里拿 sheet-metal parts，放到 welding fixture，然后由六轴工业机器人焊接并进入后续产线。官方还给出了一组很值得看的运行数字：10-hour shift Monday-Friday、90,000+ parts loaded、1,250+ hours runtime、参与 30,000+ X3 vehicles 生产，以及 84 秒 cycle time、37 秒 load time、placement accuracy 目标大于 99% per shift、interventions 目标 zero per shift。
这些数字不能直接证明“Figure 已经能替代工人”，但它们说明 Figure 02 开始进入一个比公开视频更严苛的环境：工位边界固定，节拍可以量化，失败会留下记录，维护问题也会被反复暴露。Figure 官方自己也提到，BMW 运行中 Figure 02 的 forearm 是主要硬件 failure point，之后 Figure 03 重新架构 wrist electronics，去掉 distribution board 和 dynamic cabling，降低复杂度并改善可靠性和热管理。
这才是 Figure 02 最值得看的地方：它不是终点，而是一个真实场景学习机器。工厂任务越结构化，越能把问题压回具体层级：手部抓取、腕部线缆、热管理、标定、一致性、节拍和人工介入。
Figure 03：不是换外壳，而是为 Helix、家庭和量产重做接口
Figure 03 的官方规格很抓眼：5’8″、61kg、20kg payload、5h runtime、1.2m/s、electric system。但这些参数单独看意义有限。20kg payload 不等于它能稳定做所有家务；5h runtime 也不等于一整天家庭任务都能覆盖；61kg 进入家庭后，还会带来跌倒、安全接触、地板、楼梯、儿童和宠物等问题。
Figure 03 真正值得拆的是它补了哪些接口。官方发布文说，Figure 03 的相机系统有 2 倍帧率、1/4 延迟、单相机 FOV 增加 60%；手部集成 palm camera，用于被主相机遮挡时的近距离视觉反馈；fingertips 更软、更自适应；自研 tactile sensors 可检测 3g pressure；还加入 10Gbps mmWave data offload，用于 fleet 数据上传。
这些变化如果放在 Helix 里看，就不是“配置升级”，而是感知—动作闭环的入口。家庭任务里，机器人经常会把手伸进柜子、靠近餐具、接触布料或处理被遮挡的物体。主相机一旦看不清，palm camera 和 tactile feedback 就可能决定它是继续安全调整，还是错误用力、抓空、滑落或把物体撞倒。
Figure 03 的另一个变化是家庭适配和制造适配。官方提到 soft goods、multi-density foam、可拆洗覆盖、无线感应充电，以及从 Figure 02 更偏 CNC 原型制造，转向 die-casting、injection molding、stamping 等 tooled process。这里的主线不是“更像家电”，而是 Figure 试图同时压住家庭接触、安全维护、自动补能和高产量制造。
从 Figure 02 到 Figure 03，真正变化的不是场景名字，而是问题类型
工厂和家庭不是简单的“低级到高级”。工厂任务往往更结构化：物体类型有限，工位边界清楚，流程可改造，KPI 可量化，失败能被记录。家庭任务则是另一种压力：物体长尾、布局长尾、光照和遮挡长尾，用户语言也更模糊，成功标准甚至会随人变化。
所以 Figure 03 进入 home，不只是把 Figure 02 从产线搬到客厅。它需要面对更软的接触、更近的交互、更不稳定的任务边界、更敏感的隐私和更复杂的失败恢复。一个机器人在 BMW 工位里能稳定搬 sheet-metal parts，不代表它在厨房里能稳定处理玻璃杯、湿盘子、衣物、抽屉、宠物和孩子。
这也是为什么 Figure 03 的手部近场视觉、触觉、软包覆、无线充电和数据回传都值得看。家庭场景里的“可用”，不是只靠一个更强模型，也不是只靠一个更漂亮外壳，而是要让感知、触觉、控制、安全、数据和维护都能闭环。
看到 Figure 代际更新时，先用这张表收口
以后再看到 Figure 发布新视频、新规格或新部署数据，先不要问“它是不是已经通用了”。更稳的问法是：这一条信息到底证明了哪一层，第一证据是什么，不能推出什么。
| 你看到的信息 | 第一判断问题 | 先找哪些证据 | 结论先收在哪 |
|---|---|---|---|
| Figure 01 会走、会做基础动作 | 最小身体闭环是否稳定？ | 重复次数、失败日志、保护触发、是否换场景仍能跑。 | 只能说明平台起步，不说明产品成熟。 |
| Figure 02 在 BMW 工位运行 | 任务是不是被强结构化？ | 工位范围、物体种类、cycle time、placement accuracy、intervention、客户侧确认。 | 先收在特定工位能力，不推到家庭泛化。 |
| Figure 03 发布家庭规格 | 家庭长尾和安全接触怎么处理？ | 跨家庭复现、跌倒/碰撞策略、任务时长、用户介入、隐私边界。 | 面向家庭是路线信号，不等于家政成熟。 |
| palm camera / tactile sensor / 低延迟视觉 | 是否真的改善近场操作闭环？ | 遮挡抓取、滑移检测、失败恢复、不同物体材质表现。 | 可视为重要接口升级，不等于通用操作证明。 |
| BotQ / 量产能力新闻 | 产能是否对应稳定交付？ | FPY、EOL test、burn-in、返修率、field failure、OTA 和客户部署量。 | 产能是制造信号，不是商业成熟结论。 |
对做人形机器人的人，Figure 三代路线最有价值的启发
Figure 的路线对小团队或学习者最有用的地方，不是“照着做一家公司”。真正值得学的是它的分层思路：先让平台闭环成立，再把机器人放进边界清楚的任务里收集真实失败，最后再为更长尾的场景补硬件、感知、触觉、数据和制造接口。
这也提醒我们，做人形机器人不要一开始就追“万能”。更好的路径是先选一个窄任务，把身体、手、感知、控制、安全和日志闭环跑通；再用真实失败逼出下一代硬件和软件改动。Figure 02 到 Figure 03 的很多变化，正是从真实工位的故障、维护、热管理和可靠性里长出来的。
看 Figure 01 / 02 / 03，最重要的不是判断它“赢没赢”，而是看清楚每一代到底把问题推进到了哪一层：基础身体闭环、真实工位验证、家庭长尾与规模化制造。这比单纯看 demo 流畅度，更接近人形机器人真正落地的节奏。