苹果披露人形机器人HALO系统：未建图环境测试成功率91%

三层控制架构撑起自主行动

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。与只停留在仿真演示的做法不同，团队同时放出了数据生成、模型训练和部署代码，覆盖动作生成、动作跟踪、任务编排以及仿真与真实机器人运行等环节。

HALO 在执行任务时由三个层级协同控制。最上层是基于视觉语言模型（VLM）的任务编排模块，默认采用千问 Qwen3.6-35B-A3B，系统也可选择通过 API 调用云端模型；中间的动作生成层采用另一款千问模型 Qwen3.5-2B；底层则是经强化学习、策略蒸馏等步骤训练的动作跟踪器，以每秒 50 次的频率运行。

机载算力如何分配

落地阶段，研究团队选用了宇树科技 G1 人形机器人，并在其背部加装专用 3D 打印保护外壳，内置一台 Mac mini（M4 Pro 芯片，64GB 统一内存）。这台 Mac mini 负责在机载端实时推理计算开销较大的 Orchestrator（VLM）与 Motion Generator（DiT）；G1 自带的板载芯片则专注高频运行的 Tracker（RL 策略网络）。

训练数据的来源同样值得关注。团队使用 250 张英伟达 H100 GPU，耗时约 48 小时合成主要训练数据；动作生成器通过模仿学习训练，使用 64 张 B200；动作跟踪器经强化学习、策略蒸馏等步骤训练，使用 4 张 H100。

真实环境测试成绩单

论文披露的实测数据是这套系统最受关注的部分。研究团队在 6 个未预先扫描或建图的真实环境中开展 360 次单项任务测试，平均成功率为 91%。

针对长序列复合任务，团队在单一真实场景中各进行 10 次测试，3 种组合平均成功率为 70%；其中最复杂的“俯身通过障碍—走向目标—推箱子”10 次测试成功 5 次，成功率为 50%。

单项任务表现稳定，但任务链条一长，成功率就出现明显下滑，这与人形机器人接触感知能力的短板密切相关。

仿真并未完全脱离人工

仿真生成数据并未完全摆脱人工参与。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，部分动作还使用了人类视频或动捕素材。

研究团队同时指出，目前机器人主要依赖视觉感知，难以直接感知接触情况；当物体离开相机视野或被遮挡时，涉及较多接触的任务表现会下降。加入触觉感知将是后续改进方向之一。从公开代码到披露真实环境成功率，HALO 展示了一条可复现的路线，但要让机器人在复杂接触场景中稳定作业，仍有不少功课要补。