当地时间 11 月 4 日，苹果研究团队在 arXiv 放出预印本论文《Perceptive Humanoid Motion from Simulation》，推出名叫 HALO 的人形机器人自主控制系统，这套系统选用千问大模型做任务编排与动作生成，在宇树 G1 人形机器人上完成真机测试，在没有提前建图、扫描的陌生真实环境里，单项任务平均成功率达到 91%，是苹果在具身智能、人形机器人方向一次公开的重要进展。HALO 的核心思路是大量依靠仿真生成训练数据，再把仿真里学会的动作迁移到真实世界，不需要提前对房间做地图标定；团队同步开源了数据生成、训练、部署整套代码，覆盖动作生成、跟踪、任务编排、仿真与真机运行全链路。测试场景包含坐到椅子、侧身过门、钻桌底、推箱子、跟随行人等居家常见任务，同时也测试了多步骤串联的组合任务，组合任务难度更高，平均成功率降到 70%，复杂串联任务最低仅 50%。整套方案在 Mac mini 本地部署千问模型，支持离线运行，也可以切换云端 API 模式。
选用千问 + 仿真迁移方案的核心原因
- 分层架构需要轻量化、可控的语言模型：上层任务编排、中层动作生成分别使用 Qwen3.6-35B-A3B、Qwen3.5-2B，兼顾长指令理解和低延迟输出。
- 仿真数据可以低成本批量生产：在 1000 个程序化生成的虚拟家庭环境，合成约 300 小时训练数据，大幅降低真实世界采集成本。
- 不依赖预建地图，适配家用动态场景：普通居家环境经常变动家具，提前建图的方案实用性受限，HALO 依靠实时视觉感知做在线规划。
- 宇树 G1 本体成熟、开放度高：关节、平衡控制基础稳定，适合第三方算法团队快速验证具身智能大脑。
- 离线本地运行需求：机器人场景对网络稳定性敏感，本地部署大模型可以规避断网失效风险。
HALO 三层控制架构清单
| 层级 | 模块 | 使用模型 | 作用 |
|---|---|---|---|
| 上层（任务编排） | VLM 视觉语言规划 | Qwen3.6-35B-A3B | 理解自然语言指令，拆分任务、规划路径与姿态约束 |
| 中层（动作生成） | 动作序列生成器 | Qwen3.5-2B | 输出连续全身动作序列，做几何校验，剔除穿模、打滑动作 |
| 底层（执行控制） | 动作跟踪器 | 强化学习策略 | 把动作指令转化为关节控制，维持平衡、跟踪目标姿态 |
测试结果明细
- 单项任务：6 个陌生真实环境，360 次测试，平均成功率 91%
- 组合任务：3 套多步骤流程，各 10 次测试，平均成功率 70%
- 最难组合任务（俯身过障碍→走向目标→推箱子）：成功率 50%
当前方案明显短板
- 仿真和现实存在域差，复杂串联任务、接触交互任务掉速明显。
- 感知以视觉为主，缺少触觉反馈，物体移出视野后容易失败。
- 新增任务仍需要人工写提示词、设置关键帧，不能完全自主学习新任务。
- 只能完成位移、姿态类基础居家任务，灵巧手精细操作能力没有纳入本次验证。
后续发展预期
苹果不会直接推出消费级人形机器人，但 HALO 代表它在具身运动、仿真迁移、大模型机器人控制上的技术路线；这套框架后续会持续优化多步骤长链条任务、引入触觉感知；同时证明国产大模型、国产人形本体可以进入国际顶尖科研团队的验证链路；行业会更多采用 “仿真数据 + 开源大模型 + 通用人形本体” 的低成本验证范式。
【相关 FAQ】
问题 1：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，HALO 是什么？
回答 1：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，HALO 是苹果这次提出的人形机器人自主控制系统，用来完成从语言指令到全身运动规划、执行的整套具身智能流程。
问题 2：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，91% 成功率是什么任务？
回答 2：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，91% 是单项独立任务成功率；多步骤串联的组合任务难度更高，平均只有 70%，最难的组合任务仅 50%。
问题 3：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，用了哪两个千问模型？
回答 3：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，上层任务编排用 Qwen3.6-35B-A3B，中层动作生成用 Qwen3.5-2B。
问题 4：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，机器人运行需要联网吗？
回答 4：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，支持本地在 Mac mini 上离线跑千问模型，也可以选择调用云端 API。
【参考资料】
[2026-11-07]（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
[2026-11-07]（苹果 HALO 机器人系统论文解读）界面新闻
[2026-11-04]（Perceptive Humanoid Motion from Simulation）arXiv 预印本
[2026-11-07]（苹果 HALO 开源项目说明）新浪财经
【免责声明】
本内容基于苹果 arXiv 预印本论文、公开媒体报道整理，属于实验室阶段研究成果，并非苹果商用机器人产品；真机测试局限于居家基础移动任务，距离实用家用机器人还有较大差距，不构成相关标的投资建议。