您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。 未知机构:《太阳苹果发布人形机器人论文 HALO 纯仿真数据路线与真机测试成功率对齐 分层模型重点使用国产千》-发现报告

太阳苹果发布人形机器人论文 HALO 纯仿真数据路线与真机测试成功率对齐 分层模型重点使用国产千

2026-11-08 未知机构 徐雨泽
太阳苹果发布人形机器人论文 HALO 纯仿真数据路线与真机测试成功率对齐 分层模型重点使用国产千

猜你想问

苹果发布的人形机器人论文HALO主要展示了哪些技术突破?

苹果团队发布的论文《Perceptive Humanoid Motion from Simulation》展示了搭载宇树G1的三层自主系统,包括VLM编排器、DiT/flow matching运动生成器和RL跟踪器。该系统在6个未见过、未建图的真实家庭环境中完成360次真机试验,单任务平均成功率91%,与仿真结果一致。预训练基于300小时仿真数据,零真机、零遥操作。System 1使用冻结的Qwen3.5-2B VLM+DiT解码器,System 2使用阿里千问Qwen3.6-35B-A3B(4-bit量化)纯prompt驱动,System 0为苹果自研RL策略。该成果亮点在于三层架构中语义层全靠开源千问模型,苹果自研DiT和RL策略。

人形机器人赛道未来发展趋势如何?

人形机器人赛道正朝着纯仿真数据路线发展,仿真合成数据管线是真机级性能的主要来源。苹果的HALO系统展示了全端侧实时运行能力,在背包Macmini(M4 Pro)+ G1板载芯片上本地完成。目前任务主要覆盖移动,未涉及灵巧操作,长程闭环仍是短板。数采+真机数据仍是多家机器人短板。未来,苹果对具身的重视程度提高,物理AI成为硅谷大厂角力战场,分层式架构中System 0-2重要性均高,强化学习重要性将提升。硬件角度需加强tactile sensing能力。

该报告重点分析了哪些技术方向?

该报告重点分析了苹果HALO人形机器人的分层模型架构,包括三个系统:System 1(运动生成器)使用冻结的Qwen3.5-2B VLM+DiT解码器,flow matching生成运动规划;System 2(任务编排器)使用阿里千问Qwen3.6-35B-A3B(4-bit量化),纯prompt驱动;System 0(运动跟踪器)为苹果自研RL策略,经三段式训练,输出29个关节控制量。报告还分析了预训练数据(300小时仿真数据,16万条仿真合成的第一人称数据片段)、最终效果(真机成功率91%、Sim2Real零损耗91%、全端侧实时运行)、仿真可能性(纯仿真合成数据管线是真机级性能的主要来源,但测试为自测,无第三方验证和同行基线对比)以及投资建议(苹果对具身的重视程度提高,物理AI成为硅谷大厂角力战场,分层式架构中System 0-2重要性均高,苹果专注System 0,强化学习重要性将提升,硬件角度需加强tactile sensing能力)。

当前人形机器人市场现状如何?

当前人形机器人市场主要面临纯仿真合成数据管线是真机级性能的主要来源,但多数厂商测试为自测,无第三方验证和同行基线对比。任务主要覆盖移动,未涉及灵巧操作,长程闭环仍是短板。数采+真机数据仍是多家机器人短板。苹果HALO系统展示了全端侧实时运行能力,在背包Macmini(M4 Pro)+ G1板载芯片上本地完成,但多任务串联平均成功率降至70%,约六成失败源于头部朝向导致目标丢失。市场上,数采相关公司有福莱、汉威;具身模型相关公司有阿里、智元、宇树;灵巧手相关公司有恒帅、峰岹、兆威、飞亚达;机构辨识度相关公司有t链-恒立、双环、奥比。

该研报存在哪些风险提示?

该研报存在以下风险提示:首先,苹果HALO系统的测试为自测,无第三方验证和同行基线对比,结果可能存在偏差。其次,任务仅覆盖移动,未涉及灵巧操作,长程闭环仍是短板,实际应用场景中可能面临更多挑战。再次,纯仿真合成数据路线虽然是真机级性能的主要来源,但过度依赖仿真可能导致与真实环境的脱节。此外,市场上多数机器人仍面临数采+真机数据短板,需要进一步提升数据采集和真实环境测试能力。最后,硬件角度,未就灵巧手及触觉信息发布,需加强tactile sensing能力,这可能影响人形机器人的综合性能表现。