Figure 03 完成 200 小时全自动分拣直播，零硬件故障；Agentic-VLA 实现 VLA 模型高效在线适应，长周期任务成功率大幅提升；业界提出物理世界专有模型概念，预示具身智能新架构方向。
Figure 03 人形机器人连续 200 小时全自动分拣近 25 万包裹，速度追平人类且全程零硬件故障，标志着长时稳定运行能力首次在真实工业场景得到验证。同一天，在线自适应 VLA 模型取得突破，Agentic-VLA 框架通过自适应奖励合成与语言引导探索，在长周期操纵任务上将成功率提升 12.3%。
蚂蚁灵波沈宇军则提出，VLA 和世界模型并非具身智能终局，未来将出现物理世界独有的模型架构，这为当前的算法竞赛带来新的反思。从硬件落地到算法进化再到架构思辨，具身智能正在加速跨越从演示到规模的鸿沟。
Figure 03 搭载 Helix-02 一体化神经网络，在真实仓库连续 200 小时分拣近 24.9 万包裹，速度达人类水平（约 3 秒/件），全程零硬件故障。机器人自主轮换充电、故障自修复，并通过无缝补位保障不间断作业。
Agentic-VLA 通过自适应奖励合成动态分解任务、语言引导探索替代随机采样，以及经验记忆热启动，在 LIBERO 基准上长周期任务成功率+12.3%，单样本学习提升 28.5%，零样本跨任务迁移从 0% 升至 31.2%。
在 AIGC2026，蚂蚁灵波沈宇军指出，VLA 和世界模型并非具身智能终局，未来将出现物理世界独有的模型。他强调机器人需要类似安卓的通用软件平台，以加速从仿真到现实的跨越。