苹果研究团队在 arXiv 发布预印本论文，公开代号 HALO 的人形机器人自主控制系统，也就是大家所说的机器人 “大脑”，整套系统先在上千个程序化生成的虚拟居家场景完成训练，再直接部署到宇树 G1 人形机器人上，放到 6 个完全没有提前扫描建图的真实房间开展测试，累计完成 360 次单项技能任务，拿到 91% 的平均成功率，证明只用仿真合成数据训练出来的智能框架，可以实现仿真到现实的零样本迁移，不用大量人工遥操作采集真实场景素材。以往人形机器人想要学会居家移动、抓取相关动作，大多依靠人工远程操控录制数据，成本高、扩充速度慢，而 HALO 靠算力批量生成视觉、文本、动作配套训练样本，缓解具身智能的数据瓶颈，但这套方案目前主要依靠视觉做感知，缺少触觉反馈，一旦任务变成多步骤串联的复合任务，稳定性会明显下滑，最复杂的一套串联任务成功率仅有 50%。苹果同时开源了整套管线代码，包含数据生成、任务编排、动作生成、姿态跟踪模块，方便行业复现和继续优化。
一、项目基础信息清单
- 系统名称：HALO（人形机器人自主控制系统）
- 发布主体：苹果 AI 研究团队
- 论文提交时间：当地时间 2026-11-04
- 论文标题：《Perceptive Humanoid Motion from Simulation》
- 搭载硬件：宇树 Unitree G1 人形机器人
- 训练素材来源：约 1000 个程序化生成的虚拟住宅场景
- 单项测试规模：6 个陌生无图真实环境、360 次测试
- 单项任务平均成功率：91%
- 复合串联任务平均成功率：70%
- 开源范围：数据合成、模型训练、机器人部署全套代码
- 核心模型：顶层任务编排调用 Qwen3.6-35B，中层动作生成、底层强化学习跟踪器配套专用模型
二、三层控制架构表
| 层级 | 核心职责 | 运行特点 |
|---|---|---|
| 任务编排层 | 解读自然语言指令，拆分、规划子任务 | 大约每 2 秒选定下一项子任务 |
| 动作生成层 | 根据图像和目标，生成 5 秒全身运动轨迹 | 约 3Hz，输出连贯动作序列 |
| 动作跟踪层 | 维持平衡、修正姿态，稳定执行动作 | 50Hz 高频实时运行 |
三、测试任务明细清单
✅ 单项基础任务（统计成功率 91%）
一共 6 类基础技能：坐到椅子、走向指定物体、侧身穿过半开门、蹲爬钻桌底、推箱子等。
⚠️ 复合串联任务
一共三组多步骤任务，每组测试 10 次，整体平均成功率 70%：
- 简单串联任务：成功率较高；
- 中等难度串联任务：稳定性下降；
- 高难度任务：俯身穿过障碍→走向目标→推箱子，成功率仅 50%。
四、整套研究推进步骤
- 在仿真平台自动生成上千套虚拟居家环境，批量产出图像、语言指令、动作配对合成数据集；
- 使用多卡集群分别训练三层模型：任务编排、动作生成、姿态跟踪；
- 将 HALO 整套系统部署在宇树 G1 机器人，不提前采集、扫描真实测试房间；
- 在 6 个全新室内环境，循环完成各类独立单项任务，记录成功数据；
- 继续开展多步骤串联任务测试，对比长链路任务的表现；
- 整理实验结果，发布论文并且开源整套代码，对外放出测试视频。
五、方案优势与现存短板
✅ 优势
- 依靠仿真合成数据，大幅降低人工遥操作采集训练数据的压力；
- 支持零样本迁移，机器人进入从未见过、没有建图的环境直接执行任务；
- 整套框架端侧运行，不全程依赖云端算力；
- 完整开源管线，可供其他科研团队复现、二次开发。
⚠️ 短板
- 复合长序列任务稳定性不足，连续操作很容易失败；
- 当前仅依靠视觉感知，没有触觉传感器，遮挡、接触类操作容易出错；
- 属于实验室科研原型，不是苹果面向消费者的商用机器人产品；
- 测试场景集中在居家简单移动交互，没有覆盖复杂精细家务。
【相关 FAQ】
问题 1：苹果披露的机器人 “大脑” HALO，单项任务平均成功率是多少？
回答 1：苹果披露的机器人 “大脑” HALO，在 6 个未预先建图的真实环境里完成 360 次单项任务测试，这套人形机器人系统单项任务平均成功率为 91%。
问题 2：苹果机器人大脑 HALO，是在苹果自研人形机器人硬件上面跑的吗？
回答 2：苹果机器人大脑 HALO 属于一套自主控制软件栈，本次验证部署在宇树 G1 人形机器人，属于科研验证项目，并不是搭配苹果自研机器人硬件。
问题 3：苹果机器人大脑 HALO，91% 成功率对应的任务类型和复合任务表现如何？
回答 3：苹果机器人大脑 HALO 的 91% 是独立单项基础任务的成功率；多步骤串联复合任务平均成功率下降至 70%，难度最高的一套串联任务成功率只有 50%。
问题 4：苹果机器人大脑 HALO，为什么可以在陌生没有建图的房间里面执行任务？
回答 4：苹果机器人大脑 HALO 在大量仿真虚拟居家场景里学习视觉、语言和动作的对应关系，依靠仿真到现实零样本迁移能力，不需要提前给真实房间扫描建图，进入陌生环境就能执行基础任务。
【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
[2026-11-07]（苹果披露机器人 “大脑” 研究进展 平均成功率为 91%）新浪财经
[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公开报道，苹果机器人大脑 HALO 属于实验室科研原型，91% 仅为本次特定单项测试条件下的统计结果；该成果不等于商用机器人产品，复杂场景、长时间连续作业、带接触精细操作的表现会发生变化；所有技术指标、模型迭代方向以苹果官方论文与项目主页为准；本文仅作为科研资讯整理，不构成机器人创业、设备采购、投资建议。
本文来自作者[超构相位]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/202611/364.html
评论列表（4条）
我是乌兰科技网的签约作者“超构相位”！
希望本篇文章《苹果公布人形机器人大脑 HALO 最新研究，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 arXiv 发布预印本论文，公开代号 HALO 的人形机器人自主控制系统，也就是大家所说的机器人 “大脑”，整套系统先在上千个程序化生成的虚拟居家场景完成训练，再直接部署到宇树 G1 人形机器人上，放到 6 个完全没有提前扫描建图的真实房间开展测试，累计完成 360 次单项技能任务，拿到 91% 的平均成功率，证明只用仿真合成数据训练出来的智能框架，可以实现仿真到现实的零样本迁移，不用大量人工遥操作采集真实场景素材。以往人形机器人想要学会居家移动、抓取相关动作，大多依靠人工远程操控录制数据，成本高、扩充速度慢，而 HALO 靠算力批量生成视觉、文本、动作配套训练样本，缓解具身智能的数据瓶颈，但这套方案目前主要依靠视觉做感知，缺少触觉反馈，一旦任务变成多步骤串联的复合任务，稳定性会明显下滑，最复杂的一套串联任务成功率仅有 50%。苹果同时开源了整套管线代码，包含数据生成、任务编排、动作生成、姿态跟踪模块，方便行业复现和继续优化。