人形机器人开始"自己动手"：Figure Helix 2.5 自主做家务，具身智能的"听觉"正在变成刚需
2026 年 9 月 18 日，两条关于「机器人」的新闻在同一天撞在了一起。
上午，人形机器人公司 Figure 发布 Helix 2.5 模型——机器人在美国旧金山湾区租下 30 套房子，没有做任何额外训练，到了现场就开始自己收拾房间。几乎同一时间，国内厂商「加速进化」发布 Booster K1 探索版人形机器人：身高约 95cm、重约 19.5kg、全身 22 个自由度，标配豆包大模型，定价 38999 元，定位「具身开发入门级整机」。
作为一个在声学实验室行业做了十年的人，我看到这两条新闻的第一反应，不是「机器人终于能干活了」，而是一个更具体的问题：当人形机器人开始「自己动手」、走进真实的家和工厂，它的「耳朵」和「嘴」，谁来保证在物理世界里是准的、稳的、不惹祸的？
---
一、具身智能的竞争，正在从「能动」转向「会听会说还不吵」
把时间线拉长一点，会看得更清楚。
过去几年，人形机器人的主旋律一直是「能动」：双足行走、抓取、灵巧手、上楼梯。何小鹏前两天刚说了一句被广泛引用的话——「做机器人的难度是造车的 20 倍」，并透露小鹏机器人最快今年四季度实现「能力跳跃」。
但 Figure Helix 2.5 和 Booster K1 释放的信号，是另一件事：机器人的能力评价，正在从「能不能动」转向「能不能在真实世界里听懂、说对，并且自己别太吵」。
为什么这么说？看三个细节：
其一，机器人要「自主」了。 Helix 2.5 的核心卖点不是「走得稳」，而是「到了陌生房子不用训练就自己收拾」——这意味着它必须在没有预设环境、没有固定语料的开放场景里，独立完成「听懂指令 → 判断环境 → 执行动作」的闭环。「听错一句指令」，后果就从「答非所问」变成了「动错了手」。
其二，机器人要「量产」了。 Booster K1 把价格打到 38999 元，标配大模型，明明白白冲着「入门级、可走量」去。量产意味着什么？意味着「第 1 台和第 1 万台，能不能一样听得清、一样安静」——这和新能源车走量时代遇到的问题，是同一道题。
其三，大模型语音助手正在「跨终端」。 同一天，特斯拉推送软件更新，为更多车型上线豆包大模型语音助手。豆包从手机、车，一路装进了 38999 元的人形机器人——语音交互，正在成为所有「会动的 AI 终端」的统一入口。
---
二、三道新考题：机器人把声学测试的考卷彻底换了
当测试对象从「一块手机」「一台车」变成「一台会走、会动、会自己干活的机器人」，过去那套声学测试的流程，至少有三道题答不了。
考题一：机器人的「耳朵」，从「拾音」升级为「声源定位 + 场景理解」。
手机和音箱的麦克风阵列，要解决的是「在噪声里听清人说话」。但机器人要解决的是「听懂一句指令，并且判断声源在哪个方位、距离多远、是不是在对我说话」。它要在自己移动、关节电机嗡嗡响、房间里还有电视和旁人的情况下，稳定唤醒、准确定位、不漏报也不误报。
「误报」对手机只是尴尬，对机器人是安全边界——把客厅里的电视台词误听成「把杯子放下」，和把「停下」漏听成「继续」，代价都可能是真实的物理动作。这正是我们在小米开源「鸡尾酒会」语音识别大模型时聊过的问题，在具身场景里被放大到了极致。
考题二：机器人的「嘴」，在移动平台上要重新定义。
手机扬声器是固定朝前的，汽车的音响是装在门板上的。机器人的扬声器，则装在一个会转身、会弯腰、会抬手挡住的移动平台上。同样一句合成语音，机器人正面说和背对着你说，可懂度、自然度、指向性都不一样。 而具身智能的语音合成，恰恰要承担「向导、陪护、指令确认」这类对清晰度要求极高的任务——「说不清楚」，等于「干活干不明白」。
考题三：机器人「自己发出的声音」，第一次成了被测对象本身。
这是人形机器人最特殊的一道题。关节减速器、伺服电机、散热风扇、执行器动作——机器人在工作时，自己就是一个持续运动的噪声源。而它自己的麦克风阵列，又必须在这个自噪声里「听清」人的指令。自噪声和拾音，成了同一台设备上的两个互相打架的需求。 更关键的是，机器人要进家庭、医院、养老院——在这些场景里，「安静」本身就是产品力，甚至是一票否决项。
---
三、需要什么样的声学环境？
结合列星十年的声学工程经验，一台合格的人形机器人，从研发到量产至少需要四类环境：
全消声室 / 半消声室——在极安静环境下，把机器人的关节电机噪声、减速器噪声、散热噪声逐一「剥离」出来、定位出来；同时把麦克风阵列、扬声器的「裸性能」测到最干净。这是机器人声学设计的基准环境。
可变混响听音室 / AI 全场景多媒体实验室——一键复现「安静的卧室、嘈杂的客厅、回响的工厂、空旷的医院走廊」等多种真实声场，验证机器人的语音唤醒、声源定位、合成语音可懂度在多场景下依然可靠。
多模态声学实验室 / 机器人交互室——机器人的「听」和「说」，永远和「动」耦合在一起。需要在声学、运动、视觉、电磁屏蔽叠加的受控空间里，做「边走边说边听」的联合测试。
产线级隔音箱——当 Booster K1 把价格打到 38999 元、当量产成为现实，每一台下线机器人都需要一份「出厂声学指纹」，守住一致性。
---
四、列星的位置
列星在这条「具身智能声学」的赛道上，卡住了一个很具体的位置。
在机器人交互上，列星已经把「机器人交互室」做进了产品方案——它不是一间普通的消声室，而是为机器人「听、说、动」联合测试设计的多模态环境。
在 AI 语音全链路上，我们为科大讯飞交付的 7 间集群实验室，覆盖从麦克风阵列校准、远场语音识别、声源定位到噪声鲁棒性、主观听感评价的全流程——这正是机器人「听觉」最需要的验证基础设施。
在极限声学能力上，我们为华勤技术交付的 3dB(A) 超低本底噪声全消声室，能把麦克风阵列和微型扬声器的「裸性能」测到最干净——这是机器人自噪声定位与「鸡尾酒会」式声源分离的可信来源。
再加上「声学 + 电磁屏蔽」双技术路线与 400+ 项目的工程积累——从华为、三星、科大讯飞到小米汽车、中国一汽，我们反复在回答同一个问题：如何在精密受控的声学环境里，把「听」和「说」这件事测准、测稳、测到可追溯。 今天，这个问题的对象，正在从「手机」「汽车」，扩展到「一台会走、会动、会自己干活的机器人」。
---
写在最后
人形机器人的故事，正在翻过「能动」这一页，翻开「会听、会说、还不吵」这一页。
上半场，大家比的是「谁的机器人走得稳、抓得准、上得了楼」。下半场，规则正在变：比的是「谁的机器人，能在一间陌生的、嘈杂的、会回响的房子里，一次听清指令、说清回应、还不吵到人」。
当 Figure 的机器人开始自己收拾房间、当 38999 元的人形机器人标配大模型走向量产，声学测试就不再是「消费电子和汽车的专属」，而是具身智能的入场券。而这张入场券，需要一间既懂「声音」、又懂「运动」、还能「多模态」的声学实验室来浇筑。
列星科技，声学环境测试一站式整体解决方案专业服务商。10 年深耕，400+ 声学实验室建设经验，服务华为、微软、三星、大疆、科大讯飞、小米汽车、中国一汽、SGS、TUV 莱茵等全球顶尖客户。从 3dB(A) 超低本底噪声全消声室到整车半消声室，从可变混响听音室到机器人交互室——我们为下一代「听得懂、说得清、走得稳、不吵人」的具身智能，准备好声学测试基础设施。
参考来源：IT之家 9 月 18 日《人形机器人可"自主做家务"，Figure 发布 Helix 2.5 模型》；IT之家 9 月 18 日《加速进化 Booster K1 探索版人形机器人发布：标配豆包大模型，38999 元》；IT之家 9 月 18 日《何小鹏称做机器人难度是造车的 20 倍，小鹏机器人最快今年四季度实现能力跳跃》；IT之家 9 月 18 日《特斯拉推送 2026.26.200.11 软件更新：为更多车型上线豆包大模型语音助手》等。
