苹果推出的 HALO 人形机器人自主系统最大亮点就是不用提前扫描、提前构建环境地图，机器人进入完全没见过的陌生房间就能直接干活，在 6 个未预先建图的真实环境开展 360 次单项任务测试，拿到 91% 的平均成功率，打破过去人形机器人必须提前扫地图才能行动的传统方案。传统家用、工业机器人大多要先推着设备走遍全屋扫描，生成环境地图之后，才能规划移动路线，一旦环境摆放的物品变动，地图失效机器人就容易迷路或者撞障碍物。HALO 走的是仿真训练 + 机载实时感知的路线，它只在 1000 个程序生成的虚拟家庭场景里完成训练，没有见过真实测试房间，依靠机载摄像头实时观察环境，做到零样本迁移到真实世界。
HALO 三层运行架构
- 上层任务编排模块：采用视觉语言模型，把自然语言指令拆分成多个简单子任务，结合机器人第一视角画面判断任务进度，决定继续执行或者重试。
- 中间动作生成模块：基于模型生成未来 5 秒全身动作，每秒约 3 次重新规划，根据环境变化动态调整动作。
- 底层动作跟踪模块：每秒 50 次高频运行，将上层动作方案转化成机器人关节控制指令，维持身体平衡，避免摔倒、肢体穿模。
实测任务表现清单
- 单项基础任务（侧身穿过半开门、钻桌子底、走向目标、推箱子、坐到椅子）：整体 91% 成功率，钻桌底任务成功率 100%，穿过半掩房门 93%
- 多步骤复合任务：3 类组合任务平均成功率 70%；连续动作 “弯腰过障碍→走向目标→推箱子” 难度最高，成功率仅 50%
硬件部署方案
整套 HALO 算法部署在宇树 G1 人形机器人身上，机器人背部搭载 Mac mini M4 Pro（64GB 统一内存），承担上层和中层模型本地推理；机器人原生板载芯片负责底层高频动作追踪，全程可以本地离线运行，不依赖云端算力。
【常见问题】
问题 1：苹果 HALO 机器人不用先扫地图，它是怎么看懂陌生环境的？
回答 1：苹果 HALO 机器人不靠预先生成的地图，依靠机载摄像头实时获取第一视角画面，搭配三层模型架构，实时理解环境、规划全身动作，加上在千套虚拟家庭场景完成预训练，实现进入陌生环境直接执行任务，不需要提前扫描建图。
问题 2：苹果 HALO 机器人 91% 成功率是什么任务下测出的？
回答 2：苹果 HALO 机器人 91% 成功率是单项简单任务的测试结果，一共在 6 个陌生真实房间完成 360 次单项测试；多步骤连续复合任务难度更高，平均成功率下降到 70%，复杂串联任务仅有 50% 成功率。
问题 3：苹果 HALO 是机器人硬件还是软件系统？
回答 3：苹果 HALO 是人形机器人自主软件系统，并非机器人本体硬件，本次验证使用宇树 G1 人形机器人作为载体，依靠 Mac mini 机载运行整套感知、任务规划与动作生成模型。
【参考资料】
[2026-11-13]（苹果憋了近 10 年的人形机器人，最后用上了宇树）36 氪
[2026-11-11]（苹果披露机器人 HALO 系统，360 次单项任务测试平均成功率 91%）澎湃新闻
[2026-11-09]（91% 成功率！苹果亮出人形机器人大脑 HALO 陌生环境直接上手）太平洋科技
[2026-11-08]（苹果机器人 “大脑” 研究进展，任务成功率达 91%）虎嗅网
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv
【免责声明】
本文内容仅为科技研究成果资讯，苹果 HALO 属于实验室阶段机器人技术，尚未正式商用；相关测试数据仅来自论文限定测试场景，不代表所有真实场景都能达到同等效果，不构成任何产品购买、投资建议。