9 月 17 日，Figure 把同一套 Helix 2.5 检查点带进 30 个未参与训练的湾区家庭，让人形机器人整理客厅、折毛巾和铺床。420 次严格试验中，机器人完整做成 237 次，成功率为 56%；去掉 Index 人类视频预训练、其余条件保持不变的对照组只完成 35 次。
这次实验把 Index 从数据规模主张推进到跨家庭任务结果。三项家务经过专门训练，陌生的是住宅、布局和物体；机器人到达后没有微调或自适应。Index 预训练因此把同一项家务从“一户一训”推进到“一次训练、多户执行”。
56% 给出了环境迁移的明确进展，也直接标出产品要解决的 183 次失败。对家庭服务而言，下一组关键数据是失败类型、完成时间、安全介入和持续多日运行。
零样本发生在家庭和物体，三项家务经过专门训练
Figure所说的“零样本”，边界落在评测环境和物体：30套住宅没有参与数据采集，评测使用的玩具、毛巾和床品也没有出现在任务训练数据里。机器人到达后没有微调或自适应，每项任务都用同一个固定检查点跑遍30户，评测表现也没有反过来用于挑选模型。
三项家务本身经过了专门训练。Figure先用Index中的人类行为视频预训练一个基础模型，再用其他场所采集的任务数据分别适配整理客厅、折毛巾和铺床。这项试验测量机器人学会一项家务后，能否换房间、换物体继续执行；任意新家务的现场学习不在测试范围内。
这一区分决定了结果能解决什么问题。每换一户就重新示教、微调和验收，是家庭部署难以扩张的一项成本。Helix 2.5 保留任务训练，把训练单位从“一户一训”改成“一次训练、多户执行”。
Index 预训练把成功数从 35 次提高到 237 次
为了拆出预训练的贡献，Figure训练了两组策略：两者使用相同的模型架构、优化方法、超参数、任务数据和评测流程；一组从随机权重开始，另一组从Index预训练的Helix 2.5开始。公司公布的图表显示，前者完成35/420，后者完成237/420。
35/420实际是8.3%，Figure正文把它四舍五入为9%；237/420是56.4%，正文写作56%。按完成次数计算，预训练组是对照组的6.8倍。这个对照隔离了 Index 预训练的整体贡献：在任务数据相同的情况下，广泛看过人类如何在不同环境里行动，让机器人更能处理陌生布局和物体。实验没有拆出每一类视频的单独贡献。
Figure称，三项评测任务中任何一项在Index预训练数据里的占比都不超过1.90%。这意味着收益不完全依靠把单个测试任务塞满数据。更合理的解释是，预训练为视觉、空间和动作关系提供了一个较好的起点，后续任务数据再把这种先验落到机器人身体控制上。现有发布没有拆出哪些视频类型贡献最大，也没有公开足以让外部团队复现实验的模型、数据和完整试验记录。
铺床完成率 67%，客厅收纳 40%
三项任务各做了140次。铺床完成94次，成功率67%；折毛巾完成87次，成功率62%；整理客厅只完成56次，成功率40%。汇总后的56%掩盖了任务难度差异：客厅任务要求机器人找出并收起场景中的13至15件玩具，长链条里任何一件失败都会让整次试验归零。
评测没有给中间进度记分。折毛巾必须把4条毛巾全部折好并放进篮子；铺床要把两个枕头和被角放到床头区域，并把被子拉平。玩具、毛巾以及枕头和被子的单个操作分别设有1分钟或3分钟的超时；需要人工为安全介入时，整次试验也按失败处理。这套规则让“成功”比剪辑视频里的单个动作更有意义，也使56%成为完整工作流可靠性，而不是抓取成功率。
解释这 183 次失败需要四类数据：失败类型、人工安全介入次数、完整任务耗时分布，以及覆盖 420 次试验的连续记录。Figure 管理层公开的近 4 小时扩展视频增加了可观察材料，没有覆盖全部试验日志。没有这些信息，外部读者无法判断失败主要来自识别、抓取、行走、超时，还是长任务中的误差累积，也无法估算一次家务需要多少人工看护。
Index 把数据成本从每户采集前移到通用预训练
上一代Helix 02已经能连续4分钟完成洗碗机装卸等全身任务，但这些策略使用了部署环境中采集的数据。Figure称，Helix 2.5在一项代表性任务上只用Helix 02一半的任务适配数据，就匹配了后者的成功率，并把同一策略带到30个陌生家庭。Helix 02 使用熟悉环境，Helix 2.5 使用陌生家庭，两代结果不构成同口径排名；这次变化显示 Figure 正把数据成本从每个部署地点前移到通用预训练。
这正是Index投入能否成立的商业问题。人类视频如果能减少每户机器人示教和调试，服务范围就可能随同一套模型扩张，而不是随现场工程师人数增长。Figure还展示了四组、跨度8倍的Index数据实验：在模型大小和下游训练不变时，数据增加能平滑降低下一步机器人动作的预测损失。这条缩放曲线只覆盖离线动作预测损失，与 30 户任务成功率是两个指标；56% 不会由这组曲线自动外推到更高水平。
当前证据来自Figure自建数据、自有机器人和公司主持的三项评测，住宅也集中在湾区。家庭服务阶段需要同一固定协议下的重复试验、失败类型、完成时间、安全介入和持续多日运行数据，并由外部团队复核。对一项偶尔执行的演示，56%已经为迁移提供了有分量的证据；对每天进入家庭的服务，剩下的44%才是产品必须解决的部分。
