Apple Research Unveils HALO Humanoid Robot System Using Unitree G1 Body and Mac mini M4 Pro
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
Apple Research has released HALO, a humanoid robot system that combines the Unitree G1 body with a Mac mini M4 Pro running Alibaba's Qwen models. The system achieves 91% success rates in six unseen real-world environments by using synthetic data generated from 1,000 virtual homes instead of human teleoperation. The architecture includes an orchestrator, motion generator, and tracker running locally on the robot without internet connectivity.
Source: Chinese robotics — Hardware and sensing · 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 S6
Reported numbers
training hours
9 hours
View original evidence
论文里还提到，仅生成 SIT（坐下）一个技能的 5 万条样本，就用了 250 张 H100 GPU 跑了 9 个小时；全部 1178 个房间的生成用了约 300 张 GPU、26 个小时。
Open source S22training hours
26 hours
View original evidence
论文里还提到，仅生成 SIT（坐下）一个技能的 5 万条样本，就用了 250 张 H100 GPU 跑了 9 个小时；全部 1178 个房间的生成用了约 300 张 GPU、26 个小时。
Open source S22Reported success rate
91%
Reported trials
Reported success rate
43%
Reported trials
- paper: not_reported
- code: not_reported
- 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.
这套看起来有点混搭的系统，已经能够让机器人自主走进陌生家庭，找到椅子坐下、钻过桌底、推走箱子。
Open source S6
研究团队用几百张 GPU，在上千个虚拟家庭中批量生成机器人的动作和视觉数据，再把学到的技能直接搬进现实世界。
Open source S9
接下来，仿真器从机器人头部摄像头的位置把这一幕拍下来。
Open source S20
研究团队用运动扩散模型生成全身动作，用程序化生成器（INFINIGEN）造出 1000 个虚拟家庭，客厅、办公室、卧室，家具疏密随机；再在 Isaac Sim 里把动作放进场景，渲染出机器人头部相机看到的第一视角画面，最后交给自动校验器筛掉穿模、滑脚的坏样本。
Open source S18
最近，苹果研究团队公开了一项名为 HALO 的人形机器人研究，直接用宇树 G1 当身体，后背绑着一台 Mac mini M4 Pro，里面运行的还是阿里的千问模型。
Open source S5
在 6 个从未见过、没有提前扫描的真实环境里，360 次测试的平均成功率达到 91%。
Open source S7
团队在约 1000 个程序生成的房间里做出了 16.3 万条、近 300 小时 的配对样本，数据规模只受算力限制。
Open source S21
论文里还提到，仅生成 SIT（坐下）一个技能的 5 万条样本，就用了 250 张 H100 GPU 跑了 9 个小时；全部 1178 个房间的生成用了约 300 张 GPU、26 个小时。
Open source S22
在 100 个没见过的模拟房间里，坐椅子的成功率从只用 1 个房间训练时的 43%，涨到用 100 个房间时的 81%。
Open source S24
Source：Chinese robotics — Hardware and sensing · sohu.com