苹果研究团队在arXiv发布人形机器人自主控制系统HALO，部署在宇树G1上验证，360次单项任务测试平均成功率91%——但组合任务降至70%、最复杂连招仅50%。
关键数据一览
91%
单项任务成功率（360次测试）
70%
组合任务平均成功率（3类×10次）
50%
最复杂组合"钻障碍→走→推箱"
250张
H100 GPU合成训练数据
~48h
约300小时数据合成耗时
6个
未建图真实测试环境
HALO三层架构：任务编排→动作生成→动作跟踪
顶层
任务编排（视觉语言模型）
理解模糊指令（如"坐下"），根据环境拆解为连续子任务，持续观察判断成功与否
千问 Qwen3.6-35B-A3B · Mac mini本地运行 · 无需联网
↓
中层
动作生成（视觉+动作规划）
根据机器人视角画面和当前子任务，规划未来约5秒全身动作
千问 Qwen3.5-2B 冻结编码器 + DiT解码器 · 64张B200训练
↓
底层
动作跟踪（实时运动控制）
以50Hz频率接收深度图+自身关节状态，将规划动作转化为29自由度关节指令
强化学习+策略蒸馏训练 · 4张H100
平均成功率91%! 苹果研究团队披露机器人"大脑"进展: 调用千问模型在宇树G1上验证
澎湃新闻
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
91%怎么来的：仿真训练→真实迁移
HALO的核心路线是"仿真到现实"——不靠真人遥操作采集数据，而是在1000个程序生成的虚拟家庭环境中合成约300小时训练数据。流程分三步：
第一步
生成动作
将"坐到扶手椅上"拆成向前走、转身、坐下等片段，由模型根据文字提示和关键姿态生成动作序列，经几何检查筛掉脚滑、穿模等问题
↓
第二步
放入虚拟房间
将动作安排到程序生成的房间中，检查家具碰撞、寻找无碰摆放方案，再渲染机器人执行时看到的画面
↓
第三步
数据增强+配对
随机改变光照、色调、模糊度，让视觉输入更多样，最终形成"指令+画面+全身动作"配套数据集
成功率分两档看：简单任务稳，连招仍是瓶颈
单项任务
91%
组合任务均值
70%
最难组合
50%
数据来源：HALO论文测试结果，360次单项+3类组合各10次
360次单项任务涵盖推箱子、跟随人、坐椅子、侧身过门、俯身钻桌底等，在6个未预建图的真实环境中完成。但一旦要求连续三步——"俯身通过障碍→走向目标→推箱子"，成功率直接腰斩至50%。
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%
九派新闻
三个还没解决的短板
1
纯视觉感知，没有触觉：物体被遮挡或离开镜头视野时，涉及接触的任务表现明显下降，团队将触觉感知列为下一步改进重点
2
未摆脱人工参与：新增物理任务仍需人工编写提示词、设计动作关键帧，部分训练数据依赖人类视频和动捕素材
3
连续动作衰减明显：单步91%→三步50%，相当于每多加一步就折损约20个百分点
研究突破 vs 消费级产品：两条线别混
HALO研究线
做"大脑"软件
苹果只做控制系统，硬件用宇树G1验证，已开源全部代码
J595产品线
做家用机器人
9英寸屏+机械臂，代号J595，定价约1000美元，软件团队进展缓慢，可能推迟至2028年
当前阶段
论文+开源代码，实验室验证通过
当前阶段
硬件两年前定型，软件团队与硬件团队就功能范围存在分歧
HALO论文≠苹果机器人快上市了。HALO是研究团队的仿真迁移验证，J595是消费级产品项目——两者团队不同、目标不同、时间表不同。
对行业意味着什么
赛道信号
苹果正式入场
首次公开机器人研究并开源全栈代码，苹果从观望转向投入
路线验证
仿真训练路线走通
不靠遥操作、不预建图，虚拟训练→真实迁移在家庭场景可行
理性看待
离家务替代还很远
连续动作成功率仅50%，触觉缺失限制接触类任务
供应链关注
宇树G1成为验证平台
苹果选用宇树G1做真机验证，利好国产人形机器人供应链关注度
AI有短板, 苹果首款机器人"难产"
观察者网军工频道
苹果J595家用机器人项目遭遇内部分歧, 软件研发进展缓慢
新浪财经
苹果家用机器人J595软硬件团队存分歧 或推迟至2028年发布
观点地产新媒体
时间线
2026年11月7日
多家媒体披露HALO测试数据
财联社、澎湃新闻等报道91%单项任务成功率及组合任务测试结果。
2026年11月4日
苹果在arXiv提交HALO论文
公开论文及数据生成、训练、部署全套代码，部署在宇树G1上验证。
2026年11月2日
J595项目内部分歧曝光
The Information报道苹果家用机器人项目软硬件团队意见分歧，发布或推迟至2028年。