苹果研究团队在 arXiv 发布论文，对外披露名叫 HALO 的人形机器人自主控制系统，这套系统搭载在宇树 G1 人形机器人上做真机验证，在没有提前扫描、提前建图的陌生家庭环境里，单项任务平均成功率达到 91%，是具身智能领域一次重要的仿真迁移验证。HALO 全称 Humanoid Autonomy, Learned in simulation, running Onboard，核心思路是依靠仿真环境合成海量视觉语言动作数据训练模型，不用大量真人遥控采集数据，直接零样本迁移到真实机器人；测试硬件是宇树 G1 本体，后背搭载一台 M4 Pro Mac mini 本地跑模型，默认调用通义千问视觉语言模型，全程可以离线运行，不需要依赖云端。测试一共设置 6 类基础动作，包含坐到椅子、走到指定物体、侧身穿过半开门、钻桌底、推箱子等，一共 6 个全新真实房间，累计 360 次单项测试，成功率 91%；如果把多个动作串成连续组合任务，成功率会下滑到 70% 左右，失败大多是动作衔接时机器人视角丢失、被障碍物遮挡。目前这套方案还只是科研原型，不是苹果要上市的消费机器人，现阶段主要依靠视觉做感知，缺少触觉反馈，复杂接触类任务稳定性不足，后续研发重点会加入触觉感知模块，提升机器人和物体交互的能力。
一、HALO 系统基础信息清单
- 发布时间：当地时间 11 月 4 日，论文上传 arXiv
- 系统名称：HALO（人形机器人自主控制系统）
- 验证本体：宇树 G1 人形机器人
- 本地计算硬件：Mac mini M4 Pro
- 基础大模型：通义千问 Qwen 系列
- 训练数据来源：仿真合成家庭场景数据，没有用到测试房间实景数据
- 测试环境：6 个未预先扫描、未建图的真实家庭
- 单项任务测试：360 次，平均成功率 91%
- 组合串联任务：平均成功率 70%
二、HALO 三层控制架构对照表
| 层级 | 模块功能 | 运行特点 |
|---|---|---|
| 上层任务编排层 | 视觉语言模型，解析自然语言指令，拆解子任务 | 理解模糊指令，规划任务顺序 |
| 中层动作生成层 | 生成机器人全身运动轨迹，每秒多次重规划 | 根据实时视觉调整动作方案 |
| 底层动作跟踪层 | 把轨迹转为关节控制指令，高频修正姿态 | 50Hz 高频控制，保障行走、姿态稳定 |
三、测试任务与成功率说明
- 单项基础任务：坐到椅子、走到目标物体、侧身穿过半开房门、俯身钻桌底、推箱子等，单项独立测试，平均 91% 成功率。
- 组合链式任务：连续执行多个动作，例如钻过桌子→走向箱子→推箱子，这类长序列任务稳定性下降，平均 70%，最难的组合任务仅 50% 成功率。
- 失败主要原因：纯视觉方案，物体离开视野就容易判断出错，缺少触觉反馈，接触交互环节容易失误。
四、技术亮点和现存短板
亮点
- 仿真到现实零样本迁移，不用提前对房间建图，机器人到陌生环境直接执行任务。
- 整套模型端侧本地运行，支持离线，延迟更低。
- 依靠合成数据，降低人形机器人训练对人工遥操作数据的依赖。
短板
- 只依靠视觉感知，没有触觉传感器，接触式操作稳定性差。
- 长序列组合任务衰减明显，连续多步任务容易中途失效。
- 属于科研项目，距离商用家用机器人还有很长距离。
【相关 FAQ】
问题 1：苹果披露的 HALO 系统是什么，为什么在宇树 G1 上验证单项任务成功率 91%？
回答 1：HALO 是苹果研究团队推出的人形机器人自主控制系统，主打仿真训练、零样本迁移到真实环境；团队选用宇树 G1 作为机器人本体开展测试，在 6 个没有提前建图的陌生房间里，360 次单项测试拿到 91% 的平均成功率。
问题 2：苹果 HALO 系统在宇树 G1 上测试，单项任务 91% 成功率和组合任务 70% 成功率差别在哪？
回答 2：91% 是独立单项简单动作的成功率，比如单独坐椅子、单独推箱子；70% 是多个动作串联起来的组合任务成功率，连续动作会出现视角丢失、姿态衔接出错，所以成功率明显下降。
问题 3：搭载 HALO 的宇树 G1 运行需要联网吗，用的是什么大模型？
回答 3：搭载 HALO 的宇树 G1 可以离线本地运行，依靠后背的 Mac mini M4 Pro 算力，默认使用通义千问视觉语言模型，不需要持续调用云端接口。
问题 4：苹果 HALO 系统在宇树 G1 上验证成功，是不是代表苹果马上推出家用人形机器人？
回答 4：HALO 只是苹果的科研原型系统，论文和测试属于学术研究成果，并不是苹果官宣的量产机器人产品，距离商业化落地还有大量技术需要完善。
问题 5：苹果 HALO 系统在宇树 G1 测试里，目前最大的技术短板是什么？
回答 5：当前 HALO 方案主要依赖视觉感知，缺少触觉感知能力，一旦物体被遮挡、脱离相机视野，机器人容易判断失误，和物体接触交互类任务稳定性较差，这也是团队后续重点优化方向。
【参考资料】
[2026-11-09]（苹果披露 HALO 系统 宇树 G1 验证单项任务成功率 91%）新浪财经
[2026-11-09]（苹果 HALO：仿真训练的人形自主系统，宇树 G1 真机测试）爱范儿
[2026-11-07]（苹果 HALO 人形机器人控制系统论文解读，零样本迁移成功率 91%）DoNews
[2026-11-06]（Apple HALO 研究论文 arXiv 公开）电子工程专辑
[2026-11-05]（Apple’s HALO Teaches a Unitree G1 to Navigate Unseen Rooms）Humanoids Daily
【免责声明】
本文内容整理自苹果 arXiv 公开论文、科技媒体报道，HALO 属于科研阶段的具身智能原型系统，91% 单项任务成功率为限定测试环境下的实验数据，不代表所有场景都能稳定达成；本文仅作为技术资讯解读，不构成机器人相关投资、采购建议，后续技术迭代、落地进展以苹果官方研究团队后续发布为准。
本文来自作者[风衔禾函]投稿，不代表海博商机网立场，如若转载，请注明出处：https://www.hb12369.net/qyzx/202611/193.html
评论列表（4条）
我是海博商机网的签约作者“风衔禾函”！
希望本篇文章《苹果披露 HALO 人形机器人自主控制系统，在宇树 G1 上验证单项任务成功率 91%》能对你有所帮助！
本站[海博商机网]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 发布论文，对外披露名叫 HALO 的人形机器人自主控制系统，这套系统搭载在宇树 G1 人形机器人上做真机验证，在没有提前扫描、提前建图的陌生家庭环境里，单项任务平均成功率达到 91%，是具身智能领域一次重要的仿真迁移验证。HALO 全称 Humanoid Autonomy, Learned in simulation, running Onboard，核心思路是依靠仿真环境合成海量视觉语言动作数据训练模型，不用大量真人遥控采集数据，直接零样本迁移到真实机器人；测试硬件是宇树 G1 本体，后背搭载一台 M4 Pro Mac mini 本地跑模型，默认调用通义千问视觉语言模型，全程可以离线运行，不需要依赖云端。测试一共设置 6 类基础动作，包含坐到椅子、走到指定物体、侧身穿过半开门、钻桌底、推箱子等，一共 6 个全新真实房间，累计 360 次单项测试，成功率 91%；如果把多个动作串成连续组合任务，成功率会下滑到 70% 左右，失败大多是动作衔接时机器人视角丢失、被障碍物遮挡。目前这套方案还只是科研原型，不是苹果要上市的消费机器人，现阶段主要依靠视觉做感知，缺少触觉反馈，复杂接触类任务稳定性不足，后续研发重点会加入触觉感知模块，提升机器人和物体交互的能力。