苹果研究团队已经公开代号 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，这套系统选用宇树 G1 人形机器人作为硬件本体，任务编排、动作生成环节都使用千问大模型来完成推理，机器人背部搭载 Mac mini M4 Pro 做本地算力，不用联网也能理解自然语言指令、在陌生房间自主行动。苹果团队是在 arXiv 上发布论文披露这套研究成果，机器人提前只在仿真环境里学习动作，没有提前扫描、测绘真实测试房间，就能完成坐沙发、钻桌底、推箱子、侧身穿过窄门这类任务，在 6 个全新居家环境里的 360 次单项任务测试，平均成功率达到 91%，长序列复合任务测试平均成功率 70%。整套系统采用三层分层控制架构，顶层千问负责听懂指令拆分任务，中层千问负责生成连续动作方案，底层强化学习策略负责稳定控制关节，落地验证流程先在仿真环境批量训练数据，再把模型迁移到真实宇树机器人上调试，最后在多种未知场景下做稳定性测试，用来验证具身智能方案的可行性。
HALO 机器人大脑核心配置表
| 项目 | 参数信息 |
|---|---|
| 系统名称 | HALO（Humanoid Autonomy, Learned in simulation, running Onboard） |
| 机器人本体 | 宇树 G1 人形机器人，29 个自由度 |
| 机载计算单元 | Mac mini M4 Pro，64GB 统一内存 |
| 顶层任务编排模型 | 千问 Qwen3.6-35B-A3B |
| 中层动作生成模型 | 千问 Qwen3.5-2B |
| 底层控制策略 | 强化学习 + 策略蒸馏运动跟踪器 |
| 感知硬件 | 头部 OAK-1W 广角相机、深度传感器、本体姿态传感器 |
| 运行模式 | 默认本地离线推理，支持切换云端 API 调用模式 |
| 单项任务成功率 | 91%（6 个未建图真实环境，360 次测试） |
| 复合长任务成功率 | 70% |
HALO 三层控制架构说明
- 顶层：任务编排模块，运行千问 Qwen3.6-35B-A3B，接收人类自然语言指令，把一句简单需求拆解成一步步可执行的子任务，更新频率约 2 秒一次。
- 中层：运动生成模块，运行千问 Qwen3.5-2B，读取摄像头画面和当前子任务，输出未来 5 秒全身动作规划，包含骨盆姿态、各个关节角度。
- 底层：运动跟踪模块，50Hz 高频运行，融合深度、本体感知信息，直接下发控制指令给机器人关节，保证行走、动作过程保持平衡。
可完成的测试任务清单
- 自主走到沙发并且坐下
- 俯身爬行、钻过桌子底部
- 侧身穿过狭窄的半开门缝
- 识别箱子并推动箱子移动
- 跟随人类、自主在房间内导航
整套验证落地步骤
- 仿真数据集训练：在大量虚拟家庭场景中批量生成机器人动作、视觉数据，完成模型预训练
- 硬件组装调试：宇树 G1 背部加装 3D 打印外壳，固定 Mac mini，完成相机、线路连接
- 模型部署：把两层千问模型、运动跟踪策略部署到机载 Mac mini 和机器人本体控制器
- 单一场景调参：在简单环境里测试动作稳定性，修正平衡、避障相关参数
- 跨环境泛化测试：放到完全没有提前扫描的陌生房间，开展大批量任务测试
- 开源代码、论文对外公开，开放给科研社区复现研究
【相关 FAQ】
问题 1：苹果 HALO 机器人大脑，为什么选用宇树 G1 机器人和千问模型？
回答 1：苹果 HALO 机器人大脑选用宇树 G1 作为机器人本体，是因为宇树 G1 运动控制、自由度能力适合具身智能验证；选用千问模型，是千问可以很好完成视觉语言理解、任务拆解和动作生成，支持本地端侧部署。
问题 2：苹果 HALO 机器人大脑搭载千问模型之后，必须联网才能使用吗？
回答 2：苹果 HALO 机器人大脑搭载千问模型默认在机载 Mac mini 本地离线推理，不需要联网，也可以按需切换 API 模式调用云端千问增强推理能力。
问题 3：苹果 HALO 机器人大脑在宇树 G1 上测试，任务成功率是多少？
回答 3：苹果 HALO 机器人大脑在宇树 G1 上测试，简单单项任务平均成功率 91%，多步骤长序列复合任务平均成功率 70%。
问题 4：苹果 HALO 机器人大脑是苹果正式量产的商用机器人产品吗？
回答 4：苹果 HALO 机器人大脑只是苹果研究团队发布的科研项目方案，在宇树 G1、千问上做验证，并不是面向市场发售的商用机器人产品。
问题 5：苹果 HALO 机器人大脑可以完成哪些实际动作？
回答 5：苹果 HALO 机器人大脑搭配宇树 G1、千问模型，能够自主完成坐沙发、钻桌底、推箱子、侧身穿过窄门、跟随导航等居家类任务。
【参考资料】
[2026-11-09]（苹果罕见公布人形机器人进展，宇树 G1 背着一台跑千问的 Mac mini）爱范儿
[2026-11-09]（苹果发布人形机器人自主系统 HALO，基于宇树 G1 与千问大模型）DoNews
[2026-11-07]（平均成功率 91%! 苹果研究团队披露机器人 “大脑” 进展：调用千问模型在宇树 G1 上验证）澎湃新闻
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
【免责声明】
本文内容仅为科研论文资讯科普，苹果 HALO 机器人大脑属于实验室研究项目，并非苹果商用机器人产品；HALO 在宇树 G1、千问模型上的测试指标是论文限定测试环境下得出，实际场景效果会受光线、障碍物、地面条件影响；本次只是科研层面技术选型验证，不等于苹果、宇树、千问达成正式商业合作；本文不构成产品采购、投资建议，相关技术商用化时间、方案以各品牌官方公告为准。
本文来自作者[浅域快照]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/rgzn/202611/1058.html
评论列表（4条）
我是乌兰科技网的签约作者“浅域快照”！
希望本篇文章《苹果 HALO 机器人大脑公开，基于宇树 G1 本体搭载千问模型》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：苹果研究团队已经公开代号 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，这套系统选用宇树 G1 人形机器人作为硬件本体，任务编排、动作生成环节都使用千问大模型来完成推理，机器人背部搭载 Mac mini M4 Pro 做本地算力，不用联网也能理解自然语言指令、在陌生房间自主行动。苹果团队是在 arXiv 上发布论文披露这套研究成果，机器人提前只在仿真环境里学习动作，没有提前扫描、测绘真实测试房间，就能完成坐沙发、钻桌底、推箱子、侧身穿过窄门这类任务，在 6 个全新居家环境里的 360 次单项任务测试，平均成功率达到 91%，长序列复合任务测试平均成功率 70%。整套系统采用三层分层控制架构，顶层千问负责听懂指令拆分任务，中层千问负责生成连续动作方案，底层强化学习策略负责稳定控制关节，落地验证流程先在仿真环境批量训练数据，再把模型迁移到真实宇树机器人上调试，最后在多种未知场景下做稳定性测试，用来验证具身智能方案的可行性。