苹果机器学习研究团队在 arXiv 预印本平台发布论文，对外公布人形机器人自主控制系统 HALO，这套系统依靠仿真合成数据完成训练，直接零样本迁移到没有提前扫描、建图的陌生真实环境，在 6 个不同场景一共开展 360 次单项任务测试，平均成功率 91%；不过长序列的组合任务难度明显更高，三类组合任务平均成功率 70%，其中最复杂的多步骤任务成功率只有 50%，HALO 系统在宇树 G1 人形机器人上完成真机验证，整套方案分为三层控制架构，主打仿真生成视觉语言运动数据，减少对真人遥控、动捕采集数据的依赖，下面把测试数据、三层架构、可执行任务、算力配置、现存短板整理清楚。
一、HALO 系统测试数据汇总表
| 测试类型 | 测试条件 | 测试次数 | 平均成功率 | 备注 |
|---|---|---|---|---|
| 单项独立任务 | 6 个未提前建图真实环境 | 360 次 | 91% | 包含走到目标、侧身过门、钻桌、推箱子、坐到椅子等 |
| 多步骤组合任务 | 单一真实场景，3 类任务 | 各 10 次 | 70% | 连续动作串联，对感知和规划要求更高 |
| 高难度组合任务 | 俯身过障碍 + 走向目标 + 推箱子 | 10 次 | 50% | 目标容易脱离视野，容易失败 |
二、HALO 三层控制架构清单
- 上层任务编排模块：基于视觉语言模型，默认使用千问 Qwen3.6-35B-A3B，负责读懂语言指令、拆分任务、规划整体流程，也支持调用云端模型。
- 中间动作生成层：使用 Qwen3.5-2B 模型，根据任务指令生成连贯的动作片段，还要做几何校验，避免机器人出现穿模、脚部打滑等不合理动作。
- 底层动作跟踪器：以 50Hz 高频运行，基于强化学习、策略蒸馏训练，负责实时控制关节，保证动作稳定落地。
三、HALO 可完成的基础任务清单
- 导航走到指定物体、目标点位
- 侧身穿过半开的房门
- 弯腰、匍匐从桌子下方穿行
- 推动箱子，完成简单物体搬运
- 识别椅子，自主坐到扶手椅上
四、训练算力与数据生产情况
- 仿真数据：在 1000 个程序化生成的虚拟家庭环境里，合成约 300 小时训练数据，自动生成画面、语言指令、动作配对样本。
- 算力资源：250 张 H100 显卡用来合成训练数据；64 张 B200 显卡训练动作生成器；4 张 H100 显卡训练底层动作跟踪器。
- 训练特点：在仿真环境里完成学习，不需要提前在真实房间采集数据，直接部署到陌生真机环境。
五、当前 HALO 存在的短板与后续优化方向
- 感知方式单一：现阶段主要依靠视觉，缺少触觉传感器，物体被遮挡、离开相机视野之后，任务稳定性明显下降。
- 长链条任务能力不足：连续多步骤任务容易断链，前一步动作做完，丢失目标之后很难自主找回。
- 部分场景还需要人工辅助：新增物理任务，依旧需要人工写提示词、设置关键帧，部分动作依赖人类动捕视频素材。
- 优化方向：加入触觉感知模块，提升遮挡情况下的目标跟踪能力，增强长时序任务自主规划能力。
六、行业参考提示
✅ 看点：仿真到真机零样本迁移是本次研究最大亮点，降低人形机器人真实场景数据采集成本
✅ 验证载体：整套 HALO 系统在宇树 G1 人形机器人上跑通，属于算法研究项目，不是面向消费市场的商用产品
❌ 提示：91% 是单项简单任务成功率，不等于通用机器人可以稳定完成复杂家务、工厂作业，距离商业化落地还有很长距离
整体来看，苹果 HALO 系统证明了仿真合成数据训练的具身智能方案，可以直接迁移到陌生现实环境，在简单独立任务上拿到不错效果，但长时序、需要持续接触交互的复杂任务，依旧是这套系统需要攻克的难点。
【常见问题】
问题 1：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，HALO 是在哪款机器人上完成真机验证？
回答 1：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，HALO 系统在宇树 G1 人形机器人上面完成真机测试验证。
问题 2：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，91% 成功率对应的测试条件是什么？
回答 2：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，是在 6 个没有提前扫描、建图的真实环境，一共 360 次单项独立任务测试得到的平均结果。
问题 3：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，HALO 系统分为哪三层控制架构？
回答 3：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，分为上层任务编排模块、中间动作生成层、底层动作跟踪器三层协同控制。
问题 4：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，HALO 现在最大的短板是什么？
回答 4：苹果披露人形机器人 HALO 系统，单项任务测试成功率达到 91%，HALO 目前主要依靠视觉感知，缺少触觉感知，物体被遮挡后任务容易失败，长序列多步骤任务稳定性不足。
【参考资料】
[2026-11-09]（苹果披露人形机器人自主控制系统 HALO 单项任务测试平均成功率 91%）21 财经
[2026-11-08]（苹果机器人 “大脑” 研究进展，任务成功率达 91%）虎嗅网
[2026-11-07]（苹果披露机器人 HALO 系统，360 次单项任务测试平均成功率 91%）IT 之家
[2026-11-07]（苹果研究团队披露机器人 “大脑” 进展 单项任务测试平均成功率为 91%）财联社
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
【免责声明】
本文内容为苹果 HALO 人形机器人系统科研资讯科普，91% 为论文内单项独立任务测试统计结果，组合任务成功率更低；HALO 属于学术研究项目，并非商用产品，没有对外发售计划；测试机型、模型、算力配置均为本次实验方案，不代表苹果未来人形机器人产品方案；仿真迁移能力、触觉方案、任务稳定性还需要持续迭代验证；本文信息仅作为产业科研资讯参考，不构成投资、采购决策依据。