在未來的想像裡，家裡可能會多了一個「幫手」——能幫你收衣服、洗碗、甚至打掃房間的人形機器人。但當科技媒體 TIME 記者近距離觀察 Figure AI 的最新機器人 Figure 03 嘗試「洗衣服」時，真實的畫面卻讓人重新審視：從宣傳片到現場實測，中間其實存在著不小的落差。
這篇文章，我會帶你了解這次新聞的細節 📰、回顧 Figure AI 是如何一步步走到今天的 🗓️、補充你可能最想知道的技術與商業重點 💡，最後再幫你收束出幾個值得關注的思考方向。
📰 當 Figure 03 嘗試「洗衣服」
在 TIME《In the Loop》 的報導中，記者形容這是一場「現場觀察實驗」。Figure 03 被安排去做一件日常小事——把衣服放進洗衣機。聽起來簡單，但現場的每一個動作都充滿挑戰：
機器人需要先 下蹲，準確伸手去抓起衣物 🧤，接著要在不扭曲、不掉落的情況下把衣物搬到洗衣機前，再完成「放入」這個看似平常的動作。
📌 現場實測的畫面：
- 有時衣服會從手中滑落；
- 有時動作卡住，必須靠工程師在旁協助「重置」；
- 即使成功，過程也不像影片中那樣流暢，而是顯得緩慢小心。
TIME 的記者很直接地說：影片中的一秒鐘帥氣鏡頭，其實是工程師們在背後反覆訓練、調整參數與備援的結果。換句話說，Figure 03 在現階段能做的事情，仍然侷限在「受控環境」下，距離「隨機家庭裡自由應對」還有一段路。
這裡有一個很重要的觀察：家務環境不像工廠那樣有 SOP，物品形狀、擺放位置、光線與干擾都會變化。能在影片裡一次成功，並不等於能在千家萬戶裡天天穩定表現。🛋️
🗓️ Figure AI 的崛起時間線
要理解這場「洗衣服實驗」的重要性，我們必須把時間往回拉，看看 Figure AI 是怎麼走到這一步的。
🔹 2022 年：Figure AI 成立，由 Brett Adcock 創辦（他曾經創辦 Vettery 與 Archer Aviation）。公司一開始就把方向鎖定在人形機器人，這條技術難度極高、但一旦成功就能廣泛應用的路線。
🔹 2023–2024：Figure 開始受到全球關注。它宣布與 BMW 合作，在美國工廠測試產線應用。接著在 2024 年 2 月 公布一筆 6.75 億美元融資，投資方包括 Microsoft、NVIDIA、Jeff Bezos 等重量級角色。這不僅讓 Figure 的估值衝上 26 億美元，也把它推上「人形機器人最受矚目新創」的地位。
🔹 2024 年下半年：Figure 發表了自家 Helix 系統，這是一個結合視覺、語言與行動的 通用模型（VLA），強調能在裝置端本地完成感知、推理與動作控制，不必完全依賴雲端。這是走向家庭場景的關鍵一步，因為家務需要即時、安全的反應。
🔹 2025 年 10 月：Figure 03 正式亮相，TIME 等媒體報導了現場觀察，揭示了「影片宣傳與現實落差」的真相。這一刻也讓我們更清楚：這不只是科技炫技，而是人形機器人從「資本故事」走向「真實挑戰」的轉折點。
💡 Figure 03 的「腦與手」到底差在哪？
當讀者看到「洗衣服機器人」時，通常會問三個問題：它的腦夠聰明嗎？它的手夠靈巧嗎？它的身體能不能撐住日常需求？這裡我們逐一拆解。
🧠 腦：Helix 系統的野心
Helix 是一個「視覺—語言—行動」的整合模型，能讓機器人透過感知影像、理解語言指令，並轉化為動作計畫。它的核心優勢是：少用腳本、多靠學習；少依賴雲端、多在本地即時處理。這意味著機器人有機會應對更多「不可預期」的場景，比如光線變化或東西掉落。
✋ 手：觸覺與抓取的現實挑戰
Figure 03 的手比前代靈巧，指尖加入了觸覺回饋，可以感知「是否握緊」。這對於處理家務至關重要——畢竟衣服柔軟、碗盤易碎，動作必須拿捏剛剛好。可是，TIME 的觀察也說明：它還是會掉東西。換句話說，「湊合完成」已經可行，但距離「穩定可靠」還要更多訓練與迭代。
🦿 身體：規格反映真實需求
Figure 03 的官方數據：身高約 5 呎 8 吋、能搬 20 公斤、續航 5 小時、移動速度 1.2 m/s。雖然不像科幻電影裡那麼驚人，但這些數據其實對「日常家務」來說相當實用。問題在於：續航能否支撐長時間運作？跌倒後能不能自我復原？這些細節才是能否真正走進家庭的關鍵。
💼 商業：為何 TIME 特別強調「實測」？
因為家務是最容易產生期待落差的場景。工廠有固定流程，但家裡的混亂環境無法預測。影片中的成功動作，往往是在高度控制下完成的。TIME 的提醒其實很重要：不要被宣傳片誤導，要看機器人在真實世界裡能否穩定表現。
🙌 別急著把衣服丟給機器人
最後，我想用兩個角度來收束：
- 技術面：Helix 與靈巧手的確展現了人形機器人的進步，但目前仍處於「能做，但不夠穩」的階段。接下來要看的是它在各種突發情境下的表現。
- 商業面：Figure 雖然資本雄厚，但「家務場景」的落地門檻遠高於工業應用。和 Agility Robotics 專攻物流相比，Figure 的難度更高，也更依賴長期投入。
所以，當你下次看到「機器人會洗衣服」的影片時，不妨先想一想：它能不能在你家裡的環境下，每天都做到同樣的事？
記得追蹤我 👉 Mech Muse，我們一起看清楚這場科技旅程。
