人形机器人通用任务规划系统TaskMind深度：Figure与OpenAI联合让人形机器人首次完成100项非结构化家务

文章正文

家庭环境对机器人而言是最具挑战性的操作场景之一。物品位置不固定、任务指令模糊、环境动态变化——这些因素让工业机器人领域成熟的技术方案在家庭场景中几乎完全失效。Figure与OpenAI联合开发的TaskMind系统，正在尝试突破这一瓶颈。

2030年5月，Figure在其位于加州Sunnyvale的总部举行了TaskMind技术演示会。演示中，Figure 03人形机器人在一间完全陌生的公寓里，连续完成了包括「把散落在客厅的衣服收进洗衣篮」「从冰箱里找出做沙拉需要的食材并清洗切配」「叠被子并整理床铺」在内的100项家务任务。

TaskMind的技术核心是「层次化任务分解」架构。当机器人接收到一个高层指令（如「准备一顿简单的晚餐」），系统首先调用大语言模型将指令分解为可执行的子任务序列，然后由视觉语言模型对当前环境进行三维语义理解，最后由运动规划模块生成具体的关节角度轨迹。

OpenAI应用研究副总裁Mark Chen表示：「TaskMind的关键突破不在于某个单一模块，而在于整个系统的鲁棒性。机器人在执行过程中遇到意外情况（如打翻杯子）时，能够自主评估损失并调整后续计划。」

在100项任务中，TaskMind的成功率为87%。失败案例主要集中在精细操作（如穿针引线）和需要理解人类隐含意图的场景（如「把客厅收拾干净」的具体标准因人而异）。

Figure创始人兼CEO Brett Adcock透露，TaskMind的训练数据来自2000个家庭环境的实机采集，总时长超过10万小时。每个家庭部署了8个摄像头和12个力传感器，用于捕捉人类执行家务时的全身动作和接触力数据。

不过，TaskMind距离商业化部署仍有距离。Figure 03单台成本约为25万美元，电池续航仅4小时，且在狭窄空间（如浴室）的机动性受限。Figure计划在2031年推出面向养老院和辅助生活机构的B2B版本，消费级版本的时间表尚未公布。

卡内基梅隆大学机器人学教授Siddhartha Srinivasa评价称：「TaskMind让人形机器人从实验室演示进入了真实场景验证阶段，这是从1到10的突破，但从10到100还需要解决成本、安全和可靠性三大问题。」