苹果机器学习研究院发布人形机器人自主控制系统 HALO，同步开源论文与代码，硬件方案选用宇树 Unitree G1 人形机器人，背部搭载 Mac mini M4 Pro 作为机载计算单元，整套系统支持全离线运行，不需要联网、提前建图或者远程遥控。HALO 依靠在千个仿真家庭场景生成的海量视觉 - 语言 - 动作数据完成训练，直接零样本迁移到真实环境，在 6 个陌生、未扫描的房间完成 360 次单项任务测试，平均成功率 91%；多步骤组合任务测试平均成功率 70%，可完成坐椅子、侧身过门、钻桌底、推箱子等动作。HALO 采用三层分层控制架构，上层任务编排、中层动作生成都在 Mac mini 本地跑千问 VLM 模型，底层运动跟踪器在 G1 机器人自带板载算力高频执行，核心价值是大幅降低对真人遥控采集真机交互数据的依赖，是苹果具身智能方向的重要研究成果，目前仅为实验室研究项目，不是商用产品。
一、HALO 项目基础信息清单
- 项目名称：HALO（Humanoid Autonomy, Learned in simulation, running Onboard）
- 发布时间：2026 年 11 月 4 日，arXiv 论文 + 开源代码
- 机器人本体：宇树 Unitree G1 人形机器人
- 机载计算：Mac mini M4 Pro（64GB 统一内存）
- 本地模型：Qwen3.6-35B-A3B、Qwen3.5-2B，全离线本地推理
- 训练数据：1000 个程序化仿真家庭生成约 300 小时合成数据
- 单项任务：360 次测试，6 个全新未建图真实环境，成功率 91%
- 组合任务：3 套长流程任务，各 10 次测试，平均成功率 70%
- 典型动作：走到目标、侧身穿过半开门、蹲爬桌底、坐椅子、推箱子
- 运行特点：零样本迁移、无动捕、无远程遥控、不依赖云端
二、HALO 三层控制架构对比表
| 层级 | 模块 | 运行设备 | 频率 | 作用 |
|---|---|---|---|---|
| 上层 | 任务编排器 Orchestrator | Mac mini | 0.5Hz（约 2 秒一次） | 接收自然语言指令，拆解成有序子任务 |
| 中层 | 动作生成器 Generator | Mac mini | 3Hz | 根据当前画面，生成未来 5 秒全身关节运动规划 |
| 底层 | 运动跟踪器 Tracker | G1 机器人板载算力 | 50Hz | 把运动规划转为关节控制指令，维持平衡、跟踪轨迹 |
三、优势与现存短板
✅ 核心亮点
- 仿真训练直接落地真机，不用大量人工遥操作采集真实交互数据
- 完整离线自主运行，不需要网络、提前建图、标记环境
- 兼容通用自然语言指令，任务泛化能力强
- 整套方案开源，可供科研社区复现、二次开发
⚠️ 当前局限
- 仅依靠视觉感知，缺少触觉、力觉反馈，遮挡、接触类任务容易失败
- 长时序多步骤组合任务稳定性明显下降，复杂流程成功率偏低
- 属于学术研究原型，没有面向消费或工业场景商业化落地
- 对环境光照、物体摆放变化有一定敏感
四、训练硬件资源
- 仿真数据集生成：250 张 H100，耗时约 48 小时
- 动作生成模型训练：64 张 B200
- 运动跟踪策略训练：4 张 H100
【相关 FAQ】
问题 1：苹果研究团队开源 HALO，这套机器人方案硬件是怎么搭配的？
回答 1：苹果 HALO 部署在宇树 Unitree G1 人形机器人上，机器人背部搭载 Mac mini M4 Pro，Mac mini 负责上层 VLM 任务编排与动作生成，G1 本地算力负责底层高频运动跟踪。
问题 2：HALO 在 360 次真实测试里 91% 成功率，是什么测试条件？
回答 2：HALO 在 6 个完全没有提前扫描、建图的陌生真实房间开展 360 次独立单项任务测试，零样本部署，最终平均成功率 91%；多步骤组合任务成功率仅 70%。
问题 3：苹果 HALO 开源之后，机器人能不能脱离网络全离线跑？
回答 3：苹果 HALO 这套方案可以全离线自主行动，任务编排、动作生成依托 Mac mini 本地运行千问视觉语言模型，不需要联网调用云端 API。
问题 4：HALO 靠仿真数据训练，和传统机器人采集真人遥控数据有什么区别？
回答 4：传统人形机器人很多依赖人工遥控采集真机交互数据，成本高、速度慢；HALO 在上千个仿真家庭批量合成视觉语言动作数据，靠算力扩数据，再直接迁移到真实机器人。
【参考资料】
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
[2026-11-09]（苹果用宇树 G1 验证机器人大脑 HALO 新突破：仅仿真就直接部署）电子工程专辑
[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）爱范儿
[2026-11-08]（苹果披露人形机器人自主控制系统 HALO 物理 AI 有望加速落地）虎嗅网
[2026-11-08]（苹果 HALO 系统 宇树 G1 机器人验证成功率 91%）AI 产品库
【免责声明】
本文信息来自苹果公开论文、项目主页与科技媒体报道，HALO 是学术研究原型项目，并非苹果商用机器人产品；91% 成功率为单项简单任务测试结果，复杂长流程任务稳定性更低；开源代码、模型权重、部署限制以苹果官方 GitHub 与项目页面为准。