苹果研究团队在 arXiv 公开了全新人形机器人自主控制系统 HALO，这套系统采用三层分层控制架构，上层和中层调用千问系列模型完成任务理解与动作规划，真机验证直接部署在宇树 G1 人形机器人上，在 6 个没有提前扫描建图的陌生真实居家环境里完成 360 次单项任务测试，单项任务平均成功率达到 91%，整套方案依靠仿真合成数据训练，属于零样本迁移到真实环境，不用提前采集真实场景数据，对具身智能仿真落地路线有很强参考意义，但长序列复合任务的成功率会明显下降，还没有到可以稳定连续执行复杂家务的程度。HALO 整套系统分为三层，上层任务编排层使用 Qwen3.6-35B-A3B，负责看懂自然语言指令、拆解任务；中间动作生成层使用 Qwen3.5-2B，输出机器人全身运动轨迹；底层是强化学习训练出来的动作跟踪器，以 50Hz 高频运行，实时修正机器人姿态、控制关节运动。硬件上宇树 G1 背部搭载 M4 Pro 的 Mac mini 做端侧推理，整套运算在机器人本地完成，不需要持续依赖云端大模型。训练阶段全部使用程序生成的虚拟家庭场景合成数据，合计大约 300 小时的第一人称仿真片段，没有使用真实房间、人工遥操作的数据，实现仿真到真机的迁移。
一、HALO 三层控制架构明细
| 层级 | 模型 / 模块 | 核心作用 | 运行频率 |
|---|---|---|---|
| 上层：任务编排层 | 千问 Qwen3.6-35B-A3B（VLM） | 解析语言指令、识别环境物体、拆分目标任务 | 按需触发 |
| 中层：动作生成层 | 千问 Qwen3.5-2B | 根据任务目标生成全身运动轨迹方案 | 按需触发 |
| 底层：动作跟踪层 | 自研 RL 策略网络 | 跟踪轨迹、实时调整姿态、稳定行走动作 | 50 次 / 秒 |
二、测试任务与成功率情况
- 单项简单任务（测试 360 次，平均 91%）：走到指定物体、坐到椅子、侧身穿过半开房门、俯身钻过低矮障碍、推箱子等基础动作
- 长序列复合任务（单场景每组 10 次）：3 种组合任务平均成功率 70%；其中难度最高的 “俯身过障碍→走向目标→推箱子” 任务成功率仅 50%
三、部署和运行流程
- 下发指令：给 HALO 自然语言指令，上层千问 VLM 识别环境画面，把大任务拆成独立子任务
- 动作规划：中层千问模型生成对应全身运动轨迹
- 姿态跟踪：底层跟踪器持续输出关节控制信号，宇树 G1 执行动作
- 环境反馈：相机持续采集画面，不断修正规划，适应环境里的位置偏差
- 任务结束：完成目标或者判定失败，等待下一条指令
四、技术短板与后续方向
- 当前主要依靠视觉感知，遇到物体遮挡、需要精细接触操作时稳定性下滑
- 复杂多步骤串联任务稳定性不足，连续执行很容易中途失败
- 缺少触觉、力觉传感器加持，精细抓取、柔性操作能力偏弱
- 团队论文明确后续会加入触觉感知模块，提升接触类任务表现
五、适合和不适合定位
✅ 适合：验证仿真到真机零样本迁移、居家基础导航和简单交互动作、具身智能分层控制方案研究
❌ 不太适合：商用量产家用机器人、高精度抓取装配、持续长流程家务自动化
【相关 FAQ】
问题 1：苹果人形机器人 HALO 系统，调用千问模型在宇树 G1 验证得到的 91% 成功率是什么任务？
回答 1：苹果人形机器人 HALO 系统调用千问模型在宇树 G1 验证得到的 91% 成功率，是走到目标、坐椅子、钻障碍这类独立单项简单任务，复合长流程任务成功率明显更低。
问题 2：苹果 HALO 人形机器人系统，在宇树 G1 上运行要不要一直连云端调用千问模型？
回答 2：苹果 HALO 人形机器人系统部署在宇树 G1 时，千问模型在机载 Mac mini 端侧本地推理运行，不需要持续联网依赖云端。
问题 3：苹果披露的 HALO 人形机器人系统，是苹果自研大模型还是千问模型负责任务理解？
回答 3：苹果披露的 HALO 人形机器人系统，任务编排、动作规划的核心语言视觉模块直接调用千问系列模型，苹果主要自研底层动作跟踪策略。
问题 4：苹果 HALO 在宇树 G1 做验证，训练的时候有没有采集真实房间的数据？
回答 4：苹果 HALO 在宇树 G1 做验证，训练数据全部来自仿真虚拟环境合成，没有采集真实居家场景、人工遥控示范数据，属于零样本迁移方案。
【参考资料】
[2026-11-07]（苹果披露人形机器人 HALO 系统：调用千问模型在宇树 G1 上验证，单项任务平均成功率 91%）IT 之家
[2026-11-07]（平均成功率 91%! 苹果披露机器人 “大脑” 进展，调用千问模型在宇树 G1 上验证）澎湃新闻
[2026-11-06]（苹果发布 HALO 人形机器人控制系统，依托仿真数据在宇树 G1 真机验证）电子工程专辑
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
【免责声明】
以上苹果 HALO 人形机器人系统资讯为学术论文公开内容整理，91% 成功率为研究团队自测单项任务结果，没有经过第三方独立复测；该项目属于实验室研究阶段，不代表苹果即将推出商用机器人产品；技术方案、代码开源情况、后续迭代方向以 arXiv 论文、苹果研究团队官方更新为准，本文不构成产业投资参考。