ithome
科技
采集 2026-11-07T10:08:14+00:00
苹果披露人形机器人HALO控制系统
原始标题:苹果披露人形机器人 HALO 系统:6 个未建图环境测试 360 次单项任务,平均成功率 91%
来源
ithome
发布时间
2026-11-07T09:40:17
采集批次
2026-11-07-10
字数
722
URL 指纹
84012187cea858c8
📌 AI 总结(155 字)
苹果研究团队在预印本平台公开人形机器人自主控制系统HALO及相关论文、数据生成与模型训练代码。系统以视觉语言模型、动作生成器和强化学习动作跟踪器分层协作,并在宇树G1机器人上部署。团队在6个未建图真实环境完成360次单项任务测试,平均成功率达91%;但长序列复合任务成功率降至70%,接触感知不足仍是主要局限。
📄 正文(722 字)
苹果研究团队提交论文《Perceptive Humanoid Motion from Simulation》,披露人形机器人自主控制系统HALO,并公开数据生成、模型训练和部署代码,覆盖动作生成、动作跟踪、任务编排以及仿真和真实机器人运行等环节。 实际部署采用宇树科技G1人形机器人。团队为机器人背部加装专用3D打印保护外壳,并在机内配置搭载M4 Pro芯片和64GB统一内存的Mac mini,用于实时运行计算开销较大的任务编排器与动作生成器;机器人自带板载芯片则负责高频运行动作跟踪器。 HALO由三个层级协同控制。顶层任务编排器基于视觉语言模型,默认使用千问Qwen3.6-35B-A3B,也可通过API调用云端模型;中层动作生成器采用千问Qwen3.5-2B;底层动作跟踪器经过强化学习、策略蒸馏等训练,以每秒50次的频率运行。 团队在6个未预先扫描或建图的真实环境中进行了360次单项任务测试,平均成功率为91%。在单一真实场景中,团队还测试了三种长序列复合任务,每种各进行10次测试,平均成功率为70%。其中最复杂的「俯身通过障碍—走向目标—推箱子」组合成功5次,成功率为50%。 训练方面,团队使用250张英伟达H100 GPU、约48小时合成主要训练数据。动作生成器通过模仿学习训练,使用64张B200;动作跟踪器则使用4张H100完成强化学习和策略蒸馏。仿真数据生成仍需人工参与,包括为新增物理任务编写提示词、设计动作关键帧,部分动作还使用了人类视频或动作捕捉素材。 研究团队指出,目前系统主要依赖视觉感知,无法直接感知接触情况。当物体离开相机视野或被遮挡时,接触较多的任务表现会下降,加入触觉感知将是后续改进方向。