苹果披露人形机器人自主控制框架HALO，仿真测试成功率显著提升

11月7日，苹果研究团队公开其在人形机器人智能控制领域的最新进展，相关成果以论文《Perceptive Humanoid Motion from Simulation》形式提交至预印本平台arXiv。该研究提出名为HALO的自主控制系统，涵盖从动作生成到真实机器人部署的全链路技术流程，并同步开源数据构建、模型训练及运行代码。

多项真实环境测试验证系统鲁棒性，单项任务平均成功率达91%

研究团队在六种未预先扫描或建图的真实场景中完成360次独立任务测试，整体平均成功率达到91%。此外，在单一真实环境中对三类组合任务各执行十次，平均成功率为70%。其中，‘俯身穿越障碍—移动至目标点—推动箱子’这一复合动作仅实现50%的成功率，凸显多步协调任务的挑战。

基于大规模算力构建训练体系，关键模块采用差异化训练路径

为生成核心训练数据，研究团队动用250张英伟达H100 GPU，耗时约48小时完成仿真数据合成。动作生成模块通过模仿学习方式训练，使用64张B200 GPU；动作跟踪器则结合强化学习与策略蒸馏技术进行优化，依赖4张H100资源完成迭代。值得注意的是，尽管仿真数据量庞大，部分物理任务仍需人工介入，包括提示词设计、动作关键帧设定，以及引入人类视频或动捕数据作为参考。

当前局限暴露感知短板，触觉融合成未来重点方向

研究指出，现有系统高度依赖视觉输入，缺乏直接接触状态感知能力。一旦物体脱离摄像头视野或被遮挡，涉及物理交互的任务性能明显下降。因此，集成触觉传感器以增强环境交互理解，被视为下一阶段关键技术攻关点。