苹果研究团队在最新论文中披露名为 HALO 的人形机器人自主控制系统，这套控制方案直接搭载在宇树 G1 人形机器人上开展真机验证，在 6 个没有提前扫描、提前建图的陌生家庭环境里，360 次单项基础任务测试平均成功率达到 91%，证明只用仿真生成数据训练的控制模型，也可以迁移到真实人形机器人上完成居家基础动作，解决了过去人形机器人采集真人演示数据成本高、仿真到现实迁移效果差的行业痛点。传统人形机器人控制方案大多依靠人工遥操作采集大量真机演示数据，耗时久、成本高昂，而且仿真环境训练好的模型落地到真实场景容易出现动作失稳、识别失效。HALO 的训练方式是先在 1000 个程序化虚拟住宅场景里自动生成约 300 小时的视觉、语言、动作配对数据，不需要真人遥控采集；测试部署时，在宇树 G1 背部搭载一台 M4 Pro Mac mini 负责上层模型推理，机器人原生板载控制器负责高频运动跟踪；系统收到自然语言指令后，三层模块依次拆解任务、规划全身动作、输出关节控制指令，完成坐椅子、钻桌底、推箱子、侧身过门等动作。综合来看，HALO 是苹果在具身智能领域的重要研究成果，验证了仿真数据驱动路线的可行性，但复杂长序列任务成功率明显下降，距离家用通用机器人还有很长的研发周期，同时这次联合验证也成为近期宇树科技以及整个人形机器人板块的重要催化消息。
一、HALO 系统核心测试数据表
| 测试项目 | 参数详情 |
|---|---|
| 验证平台 | 宇树 G1 人形机器人 |
| 测试环境 | 6 处未提前扫描、未建图的真实居家场景 |
| 单项任务总测试次数 | 360 次 |
| 单项任务平均成功率 | 91% |
| 复合长流程任务平均成功率 | 70% |
| 最难组合任务（俯身过障碍 + 走向目标 + 推箱子）成功率 | 50% |
| 训练数据源 | 1000 个程序化仿真家庭，约 300 小时合成数据 |
| 上层推理硬件 | Mac mini M4 Pro（64GB 统一内存） |
| 底层执行硬件 | 宇树 G1 原生机载控制器 |
二、HALO 三层控制架构清单
- 任务编排层（Orchestrator）：视觉语言模型，默认调用千问 Qwen3.6-35B，约 2 秒运行一次，把自然语言指令拆成一个个子任务，判断目标物体、规划执行顺序，失败后自动重试
- 动作生成层（Motion Generator）：Qwen3.5-2B 编码器搭配 DiT 解码器，3Hz 刷新，根据第一视角画面生成未来 5 秒全身动作方案
- 动作跟踪层（Tracker）：强化学习策略，50Hz 高频运行，结合深度信息和机器人本体姿态，把动作计划转化为关节指令，保障平衡稳定
三、可完成的基础任务清单
- 识别目标椅子并自主坐下
- 侧身通过半开的房门
- 俯身、爬行穿过桌子下方
- 识别目标物体并走到目标位置
- 自主推动箱子移动
- 跟随人员移动
四、技术亮点与现存短板
✅ 亮点
- 全流程依靠仿真合成数据训练，大幅降低数据采集成本
- 跨环境泛化能力强，陌生无预建图环境也能稳定执行基础动作
- 分层解耦架构，上层语义规划和底层运动控制分开，调试更灵活
- 只依靠视觉感知，没有触觉传感器反馈，容易受遮挡干扰
- 多步骤连续复合任务稳定性大幅下滑
- 仅支持有限居家基础动作，无法处理复杂、突发的未知场景
- 属于实验室研究项目，不是苹果面向市场的商用机器人产品
❌ 短板
五、产业意义说明
- 验证 “仿真数据→真机落地” 这条路线，给具身智能提供低成本训练思路
- 宇树 G1 作为国产人形机器人硬件平台，得到海外头部科技团队选用，证明硬件底盘通用性
- 推动行业从端到端黑盒模型，转向大模型做任务编排、专用运动策略做底层控制的新范式
【相关 FAQ】
问题 1：苹果披露 HALO 人形机器人控制系统，宇树 G1 实测单项任务成功率 91%，这个 91% 是什么任务的成功率？
回答 1：苹果 HALO 人形机器人控制系统在宇树 G1 上测出的 91%，是坐椅子、钻桌底、推箱子这类单项独立基础动作的平均成功率，多步骤串联的复合任务成功率会明显降低，平均只有 70%。
问题 2：苹果 HALO 人形机器人控制系统，是苹果自研的机器人硬件吗？
回答 2：苹果 HALO 人形机器人控制系统是一套软件控制栈，没有配套自研机器人本体，本次实验选用宇树 G1 作为硬件底盘，苹果只负责这套 HALO 控制算法的研究。
问题 3：苹果披露 HALO 人形机器人控制系统，宇树 G1 测试时为什么要背着 Mac mini？
回答 3：苹果 HALO 人形机器人控制系统上层的视觉语言大模型推理算力需求高，宇树 G1 原生机载算力不足以支撑，所以在背部加装 Mac mini M4 Pro 承担上层推理，底层运动跟踪交给机器人自带控制器。
问题 4：苹果 HALO 人形机器人控制系统训练，是不是需要大量人工遥控采集数据？
回答 4：苹果 HALO 人形机器人控制系统的训练数据全部来自仿真虚拟场景自动生成，不需要人工遥操作采集真机演示数据，这也是这套方案最核心的创新点。
问题 5：苹果披露 HALO 人形机器人控制系统，宇树 G1 的这次实验，是不是代表马上就能家用商用？
回答 5：苹果 HALO 人形机器人控制系统目前只是实验室论文成果，虽然宇树 G1 单项任务成功率 91%，但复杂连续任务稳定性不足，缺少触觉反馈，距离稳定家用商用还有较长研发周期。
【参考资料】
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
[2026-11-08]（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]（苹果机器人 “大脑” 研究进展，任务成功率达 91%）虎嗅网
[2026-11-10]（Apple Researchers Train Unitree Humanoid With Synthetic Data, Report 91% Task Success）Robotico News
[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）电子工程专辑
【免责声明】
本文为苹果 HALO 人形机器人控制系统公开论文资讯整理，91% 单项任务成功率、测试场景、架构参数均来自苹果 AI 研究团队公开论文与科研项目页面；HALO 属于学术研究项目，并非商用产品；相关技术落地进度、产业化前景存在不确定性，本文内容仅作行业科普，不构成任何投资建议。