苹果研究团队在 11 月 4 日于 arXiv 发布论文《Perceptive Humanoid Motion from Simulation》，公开名为 HALO 的人形机器人自主控制系统，这套方案最大亮点是零样本迁移，机器人进入全新陌生居家环境时，不用提前扫描、预先构建地图，依靠视觉语言模型和仿真习得的动作能力直接执行任务，在 6 个未建图的真实家庭环境、360 次单项任务测试中，平均成功率达到 91%，验证平台选用宇树 G1 人形机器人。传统机器人大多需要先绕场扫描建图，环境一变就得重新测绘，HALO 走仿真合成数据路线，在上千个程序化生成的虚拟家庭场景里训练，再直接落地真实世界，大幅降低部署门槛。
一、基础测试信息
| 项目 | 详情 |
|---|---|
| 系统名称 | HALO |
| 硬件载体 | 宇树 Unitree G1 人形机器人 |
| 测试场景 | 6 个完全陌生、未扫描建图的真实居家环境 |
| 单项任务测试 | 360 次，平均成功率 91% |
| 复合连续任务测试 | 3 组长序列任务，平均成功率 70% |
| 最复杂串联任务 | 俯身过障碍→走向目标→推箱子，成功率仅 50% |
| 推理部署 | 搭载 Mac mini 本地运行，支持离线工作 |
二、HALO 三层控制架构
- 上层：任务编排模块（VLM 视觉语言模型）
- 中层：动作生成器
- 底层：动作跟踪器
默认使用千问 Qwen3.6-35B-A3B，接收自然语言指令，拆解任务目标，本地离线运行，也可切换云端 API 增强推理。
Qwen3.5-2B 搭配 DiT 解码器，根据当前画面规划未来 5 秒全身动作，每秒更新约 3 次，动态适配环境变化。
强化学习 + 策略蒸馏训练，每秒 50 次高频控制，结合深度图像、机器人本体姿态，把上层动作转化为关节控制指令。
三、支持的基础技能清单
- 走到指定物体旁、坐到椅子上
- 侧身通过半开的房门
- 弯腰、匍匐钻过桌子下方
- 推动箱子、简单物体搬运
- 居家环境内自主避障通行
四、训练数据与算力投入
训练数据全部为仿真合成，在 1000 个虚拟家庭场景生成约 300 小时视觉 - 语言 - 动作配对数据；合成主数据动用 250 张 H100，耗时 48 小时；动作生成器训练使用 64 张 B200，动作跟踪器训练使用 4 张 H100。
五、方案局限与定位
HALO 属于科研原型系统，不是苹果商用机器人产品；单项简单任务表现稳定，但多步骤串联复合任务衰减明显，面对环境突发遮挡、物体位置变动、狭小拥挤场景容错还有提升空间；整套方案核心价值是证明 “不用预先建图的具身智能” 可行，给人形机器人轻量化部署提供新路线。
【相关 FAQ】
问题 1：苹果 HALO 机器人为什么不用提前扫地图，单项任务成功率 91% 是什么测试条件？
回答 1：苹果 HALO 依靠仿真合成数据训练，实现零样本迁移，直接把仿真学到的技能迁移到陌生真实环境；91% 是在 6 个从未扫描建图的居家环境、360 次单项任务测试得出的平均成功率。
问题 2：苹果 HALO 这套系统跑在什么机器人上面，模型可以离线运行吗？
回答 2：苹果 HALO 验证载体是宇树 G1 人形机器人，整套模型部署在机器人搭载的 Mac mini 上，支持本地离线运行，不需要持续联网。
问题 3：苹果 HALO 的复合任务成功率为什么比单项任务低？
回答 3：苹果 HALO 长序列复合任务需要连续串联多个动作，环境误差、动作累积偏差会放大，测试里 3 种组合任务平均成功率 70%，最复杂串联任务仅 50%。
问题 4：HALO 是苹果要发布的消费级家用机器人吗？
回答 4：HALO 只是苹果 AI 研究团队的科研原型系统，论文公开了代码和演示视频，苹果没有官宣对应的商用消费机器人产品。
【参考资料】
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv 论文
[2026-11-09]（91% 成功率！苹果亮出人形机器人大脑 HALO 陌生环境直接上手）太平洋科技
[2026-11-08]（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%）虎嗅网
[2026-11-09]（Apple’s HALO Teaches a Humanoid to Navigate Unseen Homes）RobotsBeat
【免责声明】
本文苹果 HALO 相关信息来自 arXiv 公开论文及科技媒体解读；HALO 为实验室研究原型，距离量产落地还有较大距离；成功率仅针对本次测试的居家单项任务，不同场景、不同指令下效果会发生变化，本文不构成机器人选型、投资建议。