苹果研究团队在预印本论文里正式放出人形机器人自主系统 HALO 的实测数据，这套系统跑在宇树 G1 人形机器人上，全程不用提前给环境扫描、建地图，直接零样本进入全新室内空间完成任务，在 6 个陌生真实环境里一共做了 360 次单项任务测试，拿到了 91% 的平均成功率，证明只用仿真数据训练出来的模型，能够直接迁移到现实世界里做全身运动任务。之所以这个结果受到关注，是因为过去人形机器人很依赖人工遥操作采集真实场景数据，成本高、产量有限，而 HALO 改用程序生成上千套虚拟家庭场景来合成视觉、语言、动作配套训练素材，靠算力生成数据而不是靠人一点点录制，降低数据采集门槛，不过它也有明显短板，一旦任务变成多步骤串联的复合任务，成功率就会明显下滑，而且目前这套方案只靠视觉感知，缺少触觉反馈，遇到遮挡、需要大力接触操作的时候稳定性变差。整套系统分成三层架构协同工作，先由大模型读懂语言指令、安排任务顺序，再生成对应的全身动作方案，最后底层控制器高频跟踪、执行动作，团队还同步开源了数据生成、训练、部署的相关代码，方便行业继续跟进验证这套路线。
一、HALO 基础信息清单
- 项目名称：HALO（人形机器人自主控制系统）
- 发布主体：苹果 AI 研究团队
- 载体机器人：宇树 Unitree G1
- 论文提交时间：当地时间 2026-11-04
- 论文标题：《Perceptive Humanoid Motion from Simulation》
- 核心思路：仿真生成多模态训练数据，仿真到现实零样本迁移
- 开源内容：数据合成、动作生成、动作跟踪、任务编排整套管线代码
- 训练硬件：250 张 H100 生成数据集；64 张 B200 训练动作生成器；4 张 H100 训练动作跟踪器
二、三层控制架构表
| 层级 | 模块功能 | 使用模型 | 运行特点 |
|---|---|---|---|
| 顶层｜任务编排层 | 解析自然语言、拆分任务、规划执行顺序 | Qwen3.6-35B-A3B，支持切换其他云端 VLM | 负责理解指令，判断下一步该执行哪个技能 |
| 中层｜动作生成层 | 根据场景、目标生成全身运动序列 | Qwen3.5-2B | 输出机器人连贯动作方案 |
| 底层｜动作跟踪层 | 稳定执行动作、维持平衡、实时修正姿态 | 强化学习策略模型 | 50Hz 高频运行，保证行走、避让、抓取动作稳定 |
三、测试任务与成绩明细
✅ 单项任务（一共 360 轮、6 个无预先建图环境）
包含 6 类基础技能：坐到椅子、走向指定物体、侧身穿过半开门、蹲爬钻桌子底下、推箱子等，整体平均成功率 91%。
⚠️ 复合串联任务（单一场景，每组 10 次测试）
一共 3 套多步骤任务，平均成功率 70%：
- 简单组合任务：成功率偏高；
- 中等难度组合：稳定性下降；
- 最难任务：俯身穿过障碍→走向目标→推箱子，成功率仅 50%。
四、整套训练与测试推进步骤
- 在仿真环境里程序化生成上千个虚拟住宅场景，自动产出图像、语言指令、机器人动作配对数据；
- 用合成数据集分别训练顶层任务编排、中层动作生成、底层动作跟踪三个模块；
- 把整套 HALO 系统部署到宇树 G1 硬件上，不在真实测试环境提前扫描、建图；
- 在 6 个完全陌生的真实居家环境，循环开展 6 种单项技能测试，累计完成 360 次试验；
- 继续在同一个环境测试多步骤复合任务，记录长链路任务成功率；
- 整理实验结果，发布论文并且开源整套管线代码，公开测试视频。
五、优势和现存短板
✅ 优势
- 依靠仿真合成数据，摆脱大量人工遥操作采集数据的瓶颈；
- 支持零样本迁移，进入没有见过、没有建图的环境直接干活；
- 整套系统兼容不同视觉语言模型，顶层模块可以灵活替换；
- 完整开源管线，方便其他研究者复现、二次开发。
⚠️ 短板
- 复合长序列任务能力明显弱于独立单项任务，连续操作容易失败；
- 当前仅依靠视觉，没有触觉传感，物体遮挡、接触操作时容易出错；
- 属于科研原型系统，不是苹果面向消费者的商用机器人产品；
- 任务场景以居家基础移动、简单交互为主，还没有覆盖复杂家务操作。
【相关 FAQ】
问题 1：苹果披露的人形机器人 HALO 系统，在 6 个未建图环境做 360 次单项任务，平均成功率是多少？
回答 1：苹果披露的人形机器人 HALO 系统，在 6 个没有提前扫描建图的真实环境中完成 360 次单项任务测试，这套人形机器人 HALO 系统的平均任务成功率为 91%。
问题 2：苹果人形机器人 HALO 系统，为什么可以在没有提前建图的陌生环境里直接跑任务？
回答 2：苹果人形机器人 HALO 系统依靠仿真生成海量虚拟居家场景的视觉、语言、动作训练数据，学习通用的空间移动和交互能力，采用仿真到现实零样本迁移方案，不需要提前对真实环境建图扫描，就能进入陌生空间执行任务。
问题 3：苹果人形机器人 HALO 系统单项任务成功率 91%，那复合任务表现怎么样？
回答 3：苹果人形机器人 HALO 系统在单项任务拿到 91% 的平均成功率，但是多步骤串联的复合任务稳定性下降，三类组合任务平均成功率 70%，其中难度最高的一套组合任务成功率只有 50%。
问题 4：苹果人形机器人 HALO 系统，是跑在苹果自研机器人硬件上面吗？
回答 4：苹果人形机器人 HALO 系统是一套自主控制软件栈，本次验证部署在宇树 G1 人形机器人上，它属于苹果的科研原型，并不是苹果自研商用机器人硬件。
【参考资料】
[2026-11-08]（苹果机器人 “大脑” 研究进展，任务成功率达 91%）虎嗅网
[2026-11-07]（苹果披露人形机器人 HALO 系统：6 个未建图环境测试 360 次单项任务，平均成功率 91%）新浪科技
[2026-11-07]（苹果研究团队披露机器人 “大脑” 进展 单项任务测试平均成功率为 91%）财联社
[2026-11-06]（Apple’s HALO Teaches a Humanoid to Navigate Unseen Homes）RobotsBeat
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
【免责声明】
本文内容来自苹果预印本论文以及科技媒体报道，人形机器人 HALO 系统属于实验室阶段科研原型，91% 为特定单项测试条件下统计结果；该成果不等于商用机器人产品，复合任务、复杂场景、长期连续运行的表现会发生变化；测试指标、模型架构、后续迭代方向以苹果官方论文和项目主页为准；本文仅为科研资讯整理，不构成机器人投资、采购、创业指导。
本文来自作者[光涡寻路者]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/kjyw/202611/361.html
评论列表（4条）
我是乌兰科技网的签约作者“光涡寻路者”！
希望本篇文章《苹果公布人形机器人 HALO 系统，陌生无图环境单项任务平均成功率 91%》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：苹果研究团队在预印本论文里正式放出人形机器人自主系统 HALO 的实测数据，这套系统跑在宇树 G1 人形机器人上，全程不用提前给环境扫描、建地图，直接零样本进入全新室内空间完成任务，在 6 个陌生真实环境里一共做了 360 次单项任务测试，拿到了 91% 的平均成功率，证明只用仿真数据训练出来的模型，能够直接迁移到现实世界里做全身运动任务。之所以这个结果受到关注，是因为过去人形机器人很依赖人工遥操作采集真实场景数据，成本高、产量有限，而 HALO 改用程序生成上千套虚拟家庭场景来合成视觉、语言、动作配套训练素材，靠算力生成数据而不是靠人一点点录制，降低数据采集门槛，不过它也有明显短板，一旦任务变成多步骤串联的复合任务，成功率就会明显下滑，而且目前这套方案只靠视觉感知，缺少触觉反馈，遇到遮挡、需要大力接触操作的时候稳定性变差。整套系统分成三层架构协同工作，先由大模型读懂语言指令、安排任务顺序，再生成对应的全身动作方案，最后底层控制器高频跟踪、执行动作，团队还同步开源了数据生成、训练、部署的相关代码，方便行业继续跟进验证这套路线。