“这是完全自主，还是远程控制？”

当地时间3月10日，Figure AI发布Figure 03人形机器人做家务的演示视频后，马斯克的一条社交媒体提问，直接炸穿了人形机器人行业的“遮羞布”，也让全网聚焦一个核心争议：这场看似流畅的家务演示，到底是具身智能的突破性进展，还是一场精心编排的“遥控表演”？

我们逐帧拆解视频细节，结合行业“公开的秘密”，试图找到藏在镜头里的答案：

先回顾这场引发质疑的演示：两分半钟的视频里，Figure 03走进开放式客厅，熟练地拿起喷壶喷消毒液、用清洁布擦桌子，移开杯子、收纳玩具，关掉电视后还“强迫症”般摆正遥控器，甚至会“区别对待”物品：小心翼翼拿起杯子，却随手将沙发枕抛回原位，全程动作流畅，堪比人类做家务的节奏。

Figure AI随即回应：全程完全自主，搭载全新Helix 02神经网络系统，无需任何远程干预，机器人通过自身摄像头捕捉环境像素，由“通用大脑”自主决策、控制全身动作，无需单独编程，只需补充训练数据就能学会新家务。

但马斯克的质疑绝非无的放矢——机器人行业长期存在一个潜规则：很多看似惊艳的演示视频，实则是“远程操控”的产物。就像深圳越疆科技的Atom机器人，可通过VR设备和超低延时传输，让工程师远程操控其煎牛排，动作响应达毫秒级，外人很难从视频中分辨真伪。而Figure 03的演示，真的能摆脱“遥控嫌疑”吗？

逐帧拆解视频，我们能找到3个关键细节，藏着自主与遥控的蛛丝马迹，每一个都值得细品。

第一个细节：动作的“连贯性漏洞”——看似流畅，实则有“延迟痕迹”。视频中，Figure 03在擦完桌子后，将毛巾甩到肩膀腾出手拿收纳箱，这个动作衔接看似自然，但慢放后能发现，毛巾甩动的幅度的和收纳箱抓取的时机，有0.5秒左右的轻微延迟。如果是完全自主决策，机器人的动作应该是“瞬时联动”，毕竟Helix 02系统主打“端到端全流程控制”；但如果是远程操控，操作员通过摄像头观察、再下达指令，就会出现这种细微延迟——哪怕是毫秒级传输，复杂动作也会露出破绽。

第二个细节：物品识别的“一致性矛盾”——对同类物品的处理逻辑不一致。视频中，Figure 03能精准识别杯子和玩具的区别，却在处理两个相似的积木时，出现了“抓取力度偏差”：一个轻轻放入收纳箱，一个却用力按压。如果是自主学习的AI，对同类物品的处理逻辑应该保持统一，毕竟其核心优势是“通用模型覆盖所有动作”；但如果是远程操控，操作员的手部力度控制难免出现偏差，尤其是长时间操控后，容易出现动作不一致的情况，这恰恰是远程操控的典型特征之一。

第三个细节：场景的“过度适配性”——无突发状况，疑似“预设场景”。整个演示场景过于规整，客厅没有杂乱无章的杂物，也没有突发障碍物，甚至光线均匀，完全没有家庭环境的随机性。要知道，家庭场景的核心难点的就是“不确定性”，而Figure 03的所有动作都精准适配场景，没有出现任何犹豫、调整的动作。结合行业常规操作，远程操控演示往往会提前布置场景、预设物品位置，避免因环境复杂导致操控失误；而真正的自主机器人，面对突发状况（比如物品掉落），应该有即时调整的反应，这一点，视频中完全没有体现。

当然，这些细节只能作为“合理猜测”，无法作为实锤证据。毕竟Figure 03搭载的Helix 02系统，确实有一定的技术支撑——它通过NVIDIA Isaac Lab等平台的合成数据训练，能快速掌握复杂动作，其前代产品Figure 02已在生产线上累计运行1250小时，具备一定的自主运行能力。

其实，这场争议的核心，从来不是Figure 03是否“作弊”，而是整个具身智能赛道的“信任危机”。

Figure AI创始人Brett Adcock强调“完全自主”，但真正能建立信任的，从来不是视频演示，而是实打实的“运行时间”——就像Figure 02在工厂的1250小时连续运行，比任何演示都有说服力。毕竟，远程操控可以撑一时的演示，却撑不起长期的连续运行；预设场景可以掩盖技术漏洞，却经不住复杂环境的考验。

马斯克的质疑，更像是给整个行业敲了一记警钟：具身智能的核心是“自主决策、适应环境”，而不是“靠遥控装样子”。如果行业一直沉迷于“虚假演示”，消耗的不仅是资本的信任，更是整个赛道的未来。

截至目前，Figure AI尚未公开Figure 03的连续运行数据，也未接受第三方机构的验证。我们不妨保持理性期待：如果它真的能实现完全自主，那无疑是具身智能的重大突破；但如果只是一场“遥控表演”，也必将被行业和市场淘汰。

毕竟，真正的技术突破，从来不需要靠“完美视频”包装，时间和实际应用，才是最好的试金石。而这场关于“自主与遥控”的争议，也将推动整个人形机器人行业，从“野蛮生长”走向“规范发展”。

       原文标题 : 马斯克质疑Figure 03做家务视频真假！三大细节揭露真相