蘋果披露人形機器人 HALO 系統：6 個未建圖環境測試 360 次單項任務，平均成功率 91%

IT之家 11 月 7 日消息，當地時間 11 月 4 日，蘋果研究團隊在預印本平臺 arXiv 提交論文《Perceptive Humanoid Motion from Simulation》，披露了人形機器人自主控制系統 HALO。

研究團隊還公開了數據生成、模型訓練和部署代碼，涵蓋動作生成、動作跟蹤、任務編排以及仿真和真實機器人運行等環節。

在落地階段，研究團隊採用宇樹科技 G1 人形機器人，背部加裝了專用 3D 打印保護外殼，內置一臺 Mac mini（M4 Pro 芯片，64GB 統一內存），Mac mini 負責在機載端實時推理計算開銷較大的 Orchestrator（VLM）與 Motion Generator（DiT）；G1 自帶的板載芯片則專注高頻運行 Tracker（RL 策略網絡）。

執行任務時，HALO 由三個層級協同控制。最上層是基於視覺語言模型（VLM）的任務編排模塊，默認採用千問 Qwen3.6-35B-A3B，系統也可選擇通過 API 調用雲端模型；中間的動作生成層採用另一款千問模型 Qwen3.5-2B；底層則是經強化學習、策略蒸餾等步驟訓練的動作跟蹤器，以每秒 50 次的頻率運行。

據論文披露，研究團隊在 6 個未預先掃描或建圖的真實環境中開展 360 次單項任務測試，平均成功率為 91%。

針對長序列複合任務，在單一真實場景，各進行 10 次測試，3 種組合平均成功率為 70%；其中最複雜的“俯身通過障礙 — 走向目標 — 推箱子”10 次測試成功 5 次，成功率為 50%。

據介紹，研究團隊使用 250 張英偉達 H100 GPU，耗時約 48 小時合成主要訓練數據。動作生成器通過模仿學習訓練，使用 64 張 B200；動作跟蹤器經強化學習、策略蒸餾等步驟訓練，使用 4 張 H100。

不過，仿真生成數據並未完全擺脫人工參與。團隊表示新增物理任務仍需人工編寫提示詞、設計動作關鍵幀，部分動作還使用了人類視頻或動捕素材。

研究團隊同時指出，目前機器人主要依賴視覺感知，難以直接感知接觸情況；當物體離開相機視野或被遮擋時，涉及較多接觸的任務表現會下降。加入觸覺感知將是後續改進方向之一。

IT之家附相關鏈接：

• 論文：https://arxiv.org/abs/2611.06908

• 項目主頁：https://apple-aiml-research.github.io/ml-halo/

• GitHub 倉庫：https://github.com/apple-aiml-research/ml-halo

廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，IT之家包含外鏈的文章均包含本聲明。

來源：IT之家