近日，苹果研究团队在预印本平台 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，公开了人形机器人自主控制系统 HALO，并放出数据生成、训练与部署代码。
落地验证用的是宇树科技 G1。机器人在背部加装专用 3D 打印保护外壳，里面放一台 M4 Pro 芯片、64GB 统一内存的 Mac mini，负责机载实时推理计算量较大的任务编排与动作生成模块；G1 自带的板载芯片则专注运行高频动作跟踪网络。
整个系统分三层协同。最上层是基于视觉语言模型的任务编排，默认使用千问 Qwen3.6-35B-A3B，也可以改为通过 API 调用云端模型；中间的动作生成层用的是另一款千问模型 Qwen3.5-2B；底层跟踪器由强化学习与策略蒸馏训练而成，每秒运行 50 次。
论文披露，团队在 6 个未事先扫描或建图的真实环境中完成 360 次单项任务测试，平均成功率 91%。长序列复合任务的表现明显弱一些：在单一真实场景中，三种组合各测 10 次，平均成功率 70%，其中难度最高的俯身通过障碍、走向目标、推动箱子只成功 5 次。
训练方面，团队用 250 张 H100 耗时约 48 小时合成主要训练数据，动作生成器与跟踪器分别在 64 张 B200、4 张 H100 上训练。
仿真数据并未完全摆脱人工。团队承认新增物理任务仍需人工编写提示词、设计动作关键帧，部分动作还依赖人类视频或动捕素材。另一个短板在感知：机器人目前主要靠视觉，难以直接感知接触，物体离开视野或被遮挡时，涉及较多接触的任务成功率会下滑，引入触觉感知是后续改进方向。
原创文章，作者：Apple，如若转载，请注明出处：https://www.kejixun.co/article/767468.html
