苹果披露人形机器人 HALO 系统：360 次未建图环境测试平均成功率 91%
苹果披露人形机器人 HALO 系统：6 个未建图环境测试 360 次单项任务，平均成功率 91%
苹果这次把人形机器人的训练代码也开源了，6 个陌生环境 360 次测试成功率 91%，论文和 GitHub 都能看。
苹果研究团队 11 月 4 日在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，公开人形机器人自主控制系统 HALO，并同步放出数据生成、训练与部署代码。团队在 6 个未预先建图的真实环境完成 360 次单项任务测试，平均成功率 91%；3 种长序列复合任务平均成功率 70%，其中“俯身通过障碍—走向目标—推箱子”组合 10 次测试成功 5 次。训练数据由 250 张英伟达 H100 耗时约 48 小时合成，动作生成器用 64 张 B200 通过模仿学习训练，动作跟踪器用 4 张 H100 经强化学习与策略蒸馏训练。团队指出系统主要依赖视觉感知，被遮挡时接触类任务表现会下降。
苹果披露人形机器人 HALO 系统：6 个未建图环境测试 360 次单项任务，平均成功率 91%
IT之家 11 月 7 日消息，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。 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。 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% 。 针对长序列复合任务，在单一真实场景，各进行 10 次测试，3 种组合平均成功率为 70%；其中最复杂的“俯身通过障碍 — 走向目标 — 推箱子”10 次测试成功 5 次，成功率为 50%。 据介绍，研究团队使用 250 张英伟达 H100 GPU，耗时约 48 小时合成主要训练数据。动作生成器通过模仿学习训练，使用 64 张 B200；动作跟踪器经强化学习、策略蒸馏等步骤训练，使用 4 张 H100。 不过，仿真生成数据并未完全摆脱人工参与。团队表示新增物理任务仍需人工编写提示词、设计动作关键帧，部分动作还使用了人类视频或动捕素材。 研究团队同时指出，目前机器人主要依赖视觉感知，难以直接感知接触情况；当物体离开相机视野或被遮挡时，涉及较多接触的任务表现会下降。加入触觉感知将是后续改进方向之一。 IT之家附相关链接： 论文： https://arxiv.org/abs/2611.06908 项目主页： https://apple-aiml-research.github.io/ml-halo/ GitHub 仓库： https://github.com/apple-aiml-research/ml-halo
- vLLM11-05 14:14原文
