苹果HALO机器人：360次测试成功率91%
IT之家 11 月 7 日消息，当地时间 11 月 4 日，苹果研究团队在预印本平台 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，披露了人形机器人自主控制系统 HALO。研究团队还公开了数据生成、模型训练和部署代码，涵盖动作生成、动作跟踪、任务编排以及仿
当地时间11月4日，苹果研究团队在预印本平台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。
随论文一同放出的还有数据生成、模型训练和部署代码，动作生成、动作跟踪、任务编排以及仿真与真实机器人运行等环节都包含在内。
论文披露的测试情况是：团队在6个未预先扫描或建图的真实环境中做了360次单项任务测试，平均成功率91%。长序列复合任务则在单一真实场景中各测10次，3种组合平均成功率70%；其中“俯身通过障碍 — 走向目标 — 推箱子”这一最复杂的组合10次里成功5次，成功率50%。
训练数据的合成用了250张英伟达H100 GPU，耗时约48小时。动作生成器以模仿学习方式训练，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。
仿真生成数据其实还没能完全脱离人工。团队表示，新增物理任务仍需人工编写提示词、设计动作关键帧，部分动作还动用了人类视频或动捕素材。
研究团队同时指出，机器人目前主要靠视觉感知，难以直接感知接触情况。物体离开相机视野或被遮挡时，涉及较多接触的任务表现就会下降。加入触觉感知是后续改进方向之一。
相关链接：
- 论文：https://arxiv.org/abs/2611.06908
- 项目主页：https://apple-aiml-research.github.io/ml-halo/
- GitHub 仓库：https://github.com/apple-aiml-research/ml-halo
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。
