苹果HALO实测91%成功率：纯仿真数据训练出的人形机器人大脑，离你家还有三道坎

苹果罕见地交出了一份人形机器人成绩单。当地时间11月4日，苹果研究团队在arXiv提交论文《Perceptive Humanoid Motion from Simulation》，公开人形机器人自主控制系统HALO，并将它部署在宇树科技的G1人形机器人上验证。数据生成、模型训练和部署代码全套开放。

91%这个数字，量的是什么

真机测试覆盖6个训练中从未见过、也没有提前扫描建图的真实家庭环境，针对6类单项技能做了360次测试，平均成功率91%。这6项技能全是移动类动作：走向物体、坐上椅子、侧身穿过半开的门、蹲行通过桌底、爬上矮桌、推动箱子。仿真端的成绩同样关键：在100个留出的虚拟房间里跑6000次同样任务，成功率也是91%。真机与仿真直接打平，说明仿真里学到的移动能力迁移到现实几乎没有损耗。

0帧真机数据，改写了成本曲线

HALO的训练数据全部来自合成。苹果程序化生成了1000个虚拟住宅场景，合成近300小时的配对视频、语言和运动数据，共16.3万个片段。250张英伟达H100 GPU，48小时就能生成完毕，全程零真机数据、零遥操作。真机数据采集贵、遥操作慢，一直是具身智能公认的数据瓶颈。这是头部大厂第一次把纯仿真管线做到真机可用，广发证券的研报认为，受影响的会是一家机器人公司以外的整个行业成本结构。

三层架构，两层用国产千问

HALO的控制流程拆成三层。最上层是任务编排模块，基于视觉语言模型，默认使用阿里巴巴的Qwen3.6-35B-A3B，跑在机器人背着的Mac mini上，本地运行、不连网也能理解指令、拆解子任务。中间的动作生成层用Qwen3.5-2B搭配苹果自研DiT解码器，规划未来约5秒的全身动作，每秒重规划3次。底层动作跟踪器经强化学习和策略蒸馏训练，以每秒50次的频率输出关节控制指令。

“坐到椅子上”这类指令的执行过程可以看清整套逻辑：机器人先识别环境，路径被桌子挡住就拆成弯腰通过、接近、坐下三步，执行中持续用摄像头画面确认成功与否，失败就重试。

离家用机器人还差三个数字

70%、触觉、第三方验证。组合任务的成功率掉到70%，最难的”蹲行、寻物、推箱”三连只有50%，而真实家务几乎全是多步串联。苹果在论文里承认，系统目前依赖视觉感知，物体被遮挡或离开视野，接触密集型任务的表现就下降，触觉是下一步要补的方向。这些成绩均为团队自测，没有第三方复现，也没有同行基线对比，成色需要打折看待。

资本已经提前下注

11月9日机器人概念走强，祥明智能、上纬新材20CM涨停。11月10日宇树科技涨超11%，报797元/股，成为A股第三高价股，总市值3224亿元。一个冷峻的对照：宇树第三季度归母净利润1.13亿元，同比下降17.37%。股价定价的是具身智能平台化的远期预期。

91%最准确的解读是：人形机器人第一次证明自己能走进一个陌生的家而不碰倒东西。真正把活干了，还在路上。