Apple Unveils HALO Autonomous Control System Validated on Unitree G1 Robot
苹果造不出机器人的身体，于是借了一台宇树
On November 4, Apple's research team submitted a paper to arXiv introducing HALO, an autonomous humanoid control system. The system was validated using a Unitree G1 robot powered by Alibaba's Qwen large language model across six unscanned real-world rooms, achieving an average success rate of 91% on single tasks and 70% on multi-step combinations. The approach relies on synthetic data generated in simulation environments to address challenges in generalization for embodied AI.
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 S2
Reported numbers
photo captures
360
View original evidence
它选择把系统装进了一台中国公司宇树科技的G1人形机器人，再用另一家中国公司阿里巴巴的千问大模型来当任务编排的大脑，然后让这台机器人在6个从未扫描建模过的真实房间里完成360次测试，平均成功率达到91%。
Open source S5video hours
≈300 hours
View original evidence
苹果的思路是把数据生产搬到仿真环境里，据悉，研究团队用程序生成了约1000个虚拟家庭房间，涵盖客厅、办公室和卧室等场景，在里面合成了约300小时的视频、指令和动作配对数据，整个过程动用250张英伟达H100显卡跑了大约48小时。
Open source S10training steps
≈48 hours
View original evidence
苹果的思路是把数据生产搬到仿真环境里，据悉，研究团队用程序生成了约1000个虚拟家庭房间，涵盖客厅、办公室和卧室等场景，在里面合成了约300小时的视频、指令和动作配对数据，整个过程动用250张英伟达H100显卡跑了大约48小时。
Open source S10Reported success rate
91%
View original evidence
它选择把系统装进了一台中国公司宇树科技的G1人形机器人，再用另一家中国公司阿里巴巴的千问大模型来当任务编排的大脑，然后让这台机器人在6个从未扫描建模过的真实房间里完成360次测试，平均成功率达到91%。
Open source S5Reported success rate
70%
View original evidence
测试结果显示，HALO单项任务在6个陌生真实环境中测了360次，平均成功率为91%；多步骤组合任务难度明显上升，3种组合各测10次，平均成功率为70%，其中俯身穿过障碍、走向目标、再推箱子这条长流程的成功率掉到了50%。
Open source S14Reported success rate
50%
View original evidence
测试结果显示，HALO单项任务在6个陌生真实环境中测了360次，平均成功率为91%；多步骤组合任务难度明显上升，3种组合各测10次，平均成功率为70%，其中俯身穿过障碍、走向目标、再推箱子这条长流程的成功率掉到了50%。
Open source S14GPU hours
≈48 hours
View original evidence
苹果的思路是把数据生产搬到仿真环境里，据悉，研究团队用程序生成了约1000个虚拟家庭房间，涵盖客厅、办公室和卧室等场景，在里面合成了约300小时的视频、指令和动作配对数据，整个过程动用250张英伟达H100显卡跑了大约48小时。
Open source S10
- paper: not_reported
- code: Reported pending Open source S21
- 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.
11月4日，苹果研究团队在预印本平台arXiv上提交了一篇题为《Perceptive Humanoid Motion from Simulation》的论文，公开了一套名为HALO的人形机器人自主控制系统。
Open source S2
它选择把系统装进了一台中国公司宇树科技的G1人形机器人，再用另一家中国公司阿里巴巴的千问大模型来当任务编排的大脑，然后让这台机器人在6个从未扫描建模过的真实房间里完成360次测试，平均成功率达到91%。
Open source S5
苹果的思路是把数据生产搬到仿真环境里，据悉，研究团队用程序生成了约1000个虚拟家庭房间，涵盖客厅、办公室和卧室等场景，在里面合成了约300小时的视频、指令和动作配对数据，整个过程动用250张英伟达H100显卡跑了大约48小时。
Open source S10
测试结果显示，HALO单项任务在6个陌生真实环境中测了360次，平均成功率为91%；多步骤组合任务难度明显上升，3种组合各测10次，平均成功率为70%，其中俯身穿过障碍、走向目标、再推箱子这条长流程的成功率掉到了50%。
Open source S14
既然苹果自研的模型撑不起机器人的大脑，那就先用市面上最好的开放模型把系统架构跑通，论文和代码全部公开，表明研究共享的姿态，背后实质则是用最低成本验证路线、吸引人才、顺便告诉资本市场自己在机器人上没有掉队。
Open source S21
HALO公开的数据生成、训练和部署的全套代码，全球研究者会替它找bug、做改进，等于用一篇论文撬动了一个免费的外部研发团队。
Open source S22
Source：Chinese robotics — Hardware and sensing · thepaper.cn