苹果HALO人形机器人控制系统亮相，已在宇树G1上完成真机验证
11月4日，苹果研究团队在arXiv提交论文《Perceptive Humanoid Motion from Simulation》，公开人形机器人自主控制系统HALO。研究团队将该系统部署在宇树科技的G1人形机器人上进行验证，让机器人将在仿真环境中学到的动作，带到陌生的现实房间中执行。研究团队还公开了数据生成、模型训
所属频道
机器人与具身智能
11月4日，苹果研究团队在arXiv提交论文《Perceptive Humanoid Motion from Simulation》，公开了人形机器人自主控制系统HALO。这套系统被部署到宇树科技的G1人形机器人上做验证，目的很直接：让机器人在仿真环境里学会的动作，能拿到陌生的现实房间中去执行。数据生成、模型训练和部署代码也一并公开，动作生成、动作跟踪、任务编排以及仿真与真实机器人运行这些环节都包含在内。
HALO执行任务时靠三个层级配合。最上面一层是任务编排模块，基于视觉语言模型（VLM），默认用千问Qwen3.6-35B-A3B，跑在机器人搭载的Mac mini上，本地运行，和动作生成器共用一个模型服务引擎，不联网也能干活。系统也可以走API调用云端模型，换取更强的推理和规划能力。
论文披露的测试数据是这样的：6个未预先扫描或建图的真实环境里，单项任务做了360次测试，平均成功率91%。另一个真实环境中，3种组合任务各测10次，平均成功率70%。其中“俯身通过障碍—走向目标—推箱子”这组组合的成功率是50%。
训练数据的合成用了250张英伟达H100 GPU，耗时约48小时。动作生成器靠模仿学习训练，用的是64张B200；动作跟踪器则经过强化学习、策略蒸馏等步骤，使用4张H100。
本文由本站编辑组整理与排版，内容基于公开信息核实后归纳发布，与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态，力求信息准确、表述清晰；文中涉及的名称、价格与功能细节可能随官方调整而变化，请以官方最新说明为准。如发现疏漏或表述有误，欢迎通过站内渠道反馈指正。
