Apple Research Discloses HALO Autonomous Control System for Humanoid Robots Validated on Unitree G1
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
Apple Research disclosed the HALO autonomous control system for humanoid robots, validated on Unitree G1 hardware using locally hosted Qwen models to achieve a 91% average success rate across 360 single tasks in six unscanned environments; however, the system relies on synthetic data generation involving human-written prompts and lacks tactile perception, with performance degrading when objects occlude camera views.
Source: Chinese robotics — Research news discovery · Read original article ↗
English translation unavailable. Choose the original article to read it.
What the source reports
Publisher-reported claims, with original evidence. These results have not been independently verified by RoboSignal.
- Control
- Reported autonomousOpen source S5
Reported numbers
Reported success rate
91%
Reported trials
Reported success rate
70%
Reported trials
Reported success rate
50%
Reported trials
training_hours
≈300 hours
View original evidence
研究团队在1000个程序生成的模拟家庭环境中，合成了约300小时的主要训练数据，将机器人“看到什么”“接到什么指令”和“如何运动”配对起来。
Open source S20task_count
360
Reported trials
View original evidence
图片来源：HALO项目页面截图拼接 据论文披露，研究团队在6个未预先扫描或建图的真实环境中开展360次单项任务测试，平均成功率为91%。
Open source S16environment_count
6
View original evidence
图片来源：HALO项目页面截图拼接 据论文披露，研究团队在6个未预先扫描或建图的真实环境中开展360次单项任务测试，平均成功率为91%。
Open source S16simulation_environment_count
1,000
View original evidence
研究团队在1000个程序生成的模拟家庭环境中，合成了约300小时的主要训练数据，将机器人“看到什么”“接到什么指令”和“如何运动”配对起来。
Open source S20task_frequency
50
View original evidence
底层则是经强化学习、 策略蒸馏 等步骤训练的 动作跟踪器 ，以每秒50次的频率运行，结合深度图像和机器人自身状态，将动作计划转化为关节控制指令。
Open source S15
- paper: not_reported
- code: Reported pending Open source S7
- weights: not_reported
- dataset: not_reported
What remains unknown
Not established in the collected evidence: Environment, Data origin.
Reported performance applies to the described task. It does not establish general autonomy or deployment readiness.
Source excerpts and review record
Automatically extracted; no manual editorial approval recorded.
当地时间11月4日，苹果研究团队在预印本平台arXiv提交论文《Perceptive Humanoid Motion from Simulation》，披露了人形机器人自主控制系统 HALO 。
Open source S5
研究团队在1000个程序生成的模拟家庭环境中，合成了约300小时的主要训练数据，将机器人“看到什么”“接到什么指令”和“如何运动”配对起来。
Open source S20
平均成功率91%！
Open source S3
另在一个真实环境中，对3种组合任务分别开展10次测试，平均成功率为70%。
Open source S17
其中，“俯身通过障碍—走向目标—推箱子”这一组合的成功率为50%。
Open source S18
图片来源：HALO项目页面截图拼接 据论文披露，研究团队在6个未预先扫描或建图的真实环境中开展360次单项任务测试，平均成功率为91%。
Open source S16
底层则是经强化学习、 策略蒸馏 等步骤训练的 动作跟踪器 ，以每秒50次的频率运行，结合深度图像和机器人自身状态，将动作计划转化为关节控制指令。
Open source S15
研究团队还公开了数据生成、模型训练和部署代码，涵盖动作生成、动作跟踪、任务编排以及仿真和真实机器人运行等环节。
Open source S7
Source：Chinese robotics — Research news discovery · news.qq.com