苹果HALO系统曝光，宇树G1背M4ProMacmini，千问模型驱动人形机器人自主行动

苹果近期罕见公开其人形机器人研究进展——名为HALO（Perceptive Humanoid Motion from Simulation）的具身智能系统。该项目并非自研机器人本体，而是将现成硬件组合为一套可验证的“感知-决策-执行”闭环架构：宇树科技G1人形机器人背部加装3D打印外壳，内置一台M4 Pro芯片、64GB统一内存的Mac mini；机器人头部搭载双目RGB-D相机，底层控制器为英伟达Jetson Orin NX模块。

该系统最显著的特点是明确划分了三层控制逻辑，并依据计算需求合理分配算力资源。最上层为任务调度器（Task Planner），默认运行阿里千问Qwen3.6-35B-A3B大模型，每约2秒接收一次自然语言指令（如“推走箱子”“坐下”），将其解析为可执行子任务序列，并判断任务是否完成。中间层为运动生成器（Motion Generator），以约3Hz频率读取第一视角视觉输入与当前子任务，规划未来5秒内的全身关节轨迹与骨盆姿态。这两层均部署于Mac mini本地，依赖其高带宽统一内存与能效比优势，支撑中等延迟但高语义理解能力的推理任务。

底层运动跟踪器（Motion Tracker）则运行在G1自带的Jetson Orin NX上，以50Hz高频实时融合深度图像与本体状态（IMU、关节编码器等），输出精确的关节控制目标，并通过强化学习动态适应地面接触、平衡扰动与执行器物理限制。这种“慢思考、快行动”的分工机制，解决了传统机器人系统中高层规划与底层响应耦合导致的延迟问题——例如机器人可在行走过程中持续更新路径，而不必中断步态。

在真实场景测试中，HALO系统于6个未经预先建图、未扫描的住宅环境中进行了360次单项任务测试，包括“找到椅子并坐下”“钻过桌底”“推开障碍箱”等，平均成功率达91%；针对更复杂的长序列复合任务（如“跟随人→取箱→放回指定位置”），在单一真实场景下10次重复测试的平均成功率为70%。值得注意的是，其中“坐下”这一人类日常动作的完成率被单独强调：在仿真训练充分的情况下，真实环境成功率可达84%–85%，反映出人形机器人对基础动作泛化能力的脆弱性——即便识别出椅子，仍需协调转身角度、重心转移与落座时机，稍有偏差即导致失衡或坐偏。

HALO另一关键突破在于彻底绕过了人形机器人领域的“数据瓶颈”。传统VLA（Vision-Language-Action）训练依赖真人遥操作或动捕设备采集配对数据，成本极高且难以规模化。苹果团队转而构建全仿真训练流水线：使用程序化生成器INFINIGEN创建约1000个随机布局的虚拟家庭（含客厅、卧室、办公室），结合运动扩散模型生成全身动作轨迹，再通过Isaac Sim渲染机器人第一视角画面，并由自动校验器剔除穿模、滑脚等无效样本。最终合成16.3万条、近300小时的高质量VLA配对数据。仅生成“坐下”单一技能的5万条样本，就动用250张H100 GPU耗时9小时；全部1178个房间的数据生成共使用约300张GPU、26小时。

实验表明，场景多样性显著提升泛化性能：当训练房间数从1增至100，坐椅子成功率由43%升至81%；增至1000间后达84%。这印证了“世界模型+仿真泛化”路线的有效性——无需真实世界标注，仅靠算力即可批量生成覆盖长尾情况的训练集。

硬件选型亦体现务实策略。Mac mini M4 Pro虽无独立GPU，但其16核神经网络引擎（NPU）与19TOPS INT8算力足以支撑Qwen3.6-35B-A3B的量化推理；64GB统一内存避免频繁数据搬运，适配多模态模型的显存密集型操作。而Jetson Orin NX提供100 TOPS INT8算力与低功耗特性，专为边缘实时控制优化。二者协同，既规避了云端依赖的延迟与隐私风险，又避免了全栈自研的高昂成本。

尽管成果亮眼，HALO仍属研究原型阶段。论文明确指出，当前系统尚未集成语音识别与端到端训练，指令需经预处理转换为结构化文本；所有动作规划基于单帧视觉输入，缺乏长期记忆与因果推理能力；且未涉及复杂物体操作（如拧瓶盖、开抽屉）。正如行业共识所指：具身智能的“身体门槛”正快速降低（人形平台日趋成熟），而“大脑上限”——即通用任务理解与鲁棒动作生成能力——仍是核心瓶颈。

资本与产业层面，该方向已获高度关注。据中泰证券统计，2026年上半年国内具身智能赛道融资438亿元，其中聚焦“具身大脑”（VLA模型、世界模型、任务编排）的企业吸金222.5亿元，占比超半数。苹果此次公开HALO，既是技术路线验证，也释放出其在AI具身化领域加速布局的信号——尤其在新任CEO约翰·特努斯要求“拿出更大胆方案”的背景下，此类跨硬件-模型-仿真协同的研究，或将成为其下一代人机交互生态的重要支点。

目前，HALO项目代码与论文已发布于GitHub与arXiv平台，供学术界复现与迭代。短期内，该系统不会产品化；但其验证的“轻量本地大脑+高速边缘执行”架构，可能为未来家用服务机器人提供可行参考路径。