苹果 HALO（Humanoid Autonomy, Learned in simulation, running Onboard）惊人之处一句话定位：它不是苹果自研人形机器人本体，是一套人形机器人自主控制系统，最大冲击是尝试打通「仿真数据 → 零样本迁移陌生真实家庭、全机载离线自主」，破解人形机器人最头疼的人力采集数据瓶颈 。1. 颠覆数据生产方式：不再靠人遥操作、动捕采集过去人形机器人的视觉-语言-动作配对数据非常贵：产出 1 小时示范数据，至少要投入 1 小时人力遥操作/穿戴动捕，很难规模化。- HALO 用 Infinigen 程序化生成 1000 个虚拟家庭（客厅、卧室、办公室），搭配 Isaac Sim 仿真、运动扩散模型自动生成全身动作，再渲染机器人第一视角画面，自动校验剔除穿模、滑脚、关节超限的无效轨迹- 产出约 300 小时、十几万条仿真样本，数据上限由算力决定，不再被人力限制；训练时完全没有见过真实家庭，也没有扫描、重建测试场地- 证明：具身运动数据可以批量合成，而不是靠人一次次示范2. 零样本迁移到从未扫描、未建图的真实环境，成绩亮眼- 在 6 个陌生真实居家环境，360 次单项任务测试，平均成功率 91%；单项包含：走向目标物体、坐椅子、侧身穿过半开门、钻桌底、推箱子等，仿真和真机成功率一致 - 重点：测试环境事前没有扫描、没有建图，属于严格的 zero‑shot；不是在预先标定好的场地表演固定动作- 短板：多步骤串联任务成功率掉到约 70%，复杂长序列、物体遮挡、触觉缺失会明显掉性能3. 三层分层机载自主架构，离线可跑，软硬混搭很有想象力整套系统可以离线运行，不强制依赖云端：1. 上层编排器（VLM，约 0.5 Hz）：把自然语言指令拆解成子任务；默认本地跑 Qwen 千问，也可按需调用云端模型2. 中层运动生成器（3 Hz）：结合第一视角画面，生成未来 5 秒完整全身关节运动轨迹3. 底层感知跟踪器（50 Hz，实时 C++ 控制）：结合深度相机 + 本体感知，把计划落地、维持平衡，区别于很多“只跟着轨迹跑、看不见环境”的盲跟踪器硬件组合：宇树 G1 人形机身，背部搭载 Mac mini M4 Pro（64 GB 统一内存）负责上层大模型推理；机器人自带 Jetson Orin NX 负责高频实时运动控制，头部加装广角相机、深度相机，整机无缆自主运行。苹果用第三方机体 + 第三方开源模型 + Mac 算力做验证，这个组合本身也很出人意料。4. 把「语义理解」和「全身物理运动」打通很多机器人要么只会固定编排特技动作，要么看得懂文字但做不出连贯全身动作。HALO 分开解决两层问题：- 语义层：看懂指令，判断「是哪一把椅子、哪个箱子」- 物理执行层：动态适配空间，走到、坐下、避让障碍物，维持平衡；底层跟踪器会根据深度感知修正计划，不是死板复刻仿真轨迹5. 苹果罕见公开具身智能完整链路、开源代码苹果一向封闭，这次直接在 arXiv 发论文，公开训练、仿真、部署代码，开放这套仿真到真机的完整流水线，也是行业里很受关注的一点。客观边界（不是“万能机器人”）- 新任务依然需要人工写提示词、设定关键帧，不是完全无限制涌现新技能- 缺少触觉感知，物体被遮挡、大量接触交互任务表现下滑- 长时序串联任务、精细抓取操作还弱，距离家用通用机器人很远