91% 这个数字是真的，但它量的不是“家务”。11 月 4 日，苹果研究团队在 arXiv 挂出 HALO，在 6 个没扫描、没建图的真实环境里做了 360 次单项任务——走向指定物体、坐椅子、侧身过门、俯身钻桌、爬行钻桌、推箱子，平均成功率 91%。机器人是宇树 G1，背上驮一台 Mac mini，跑的是千问模型；没有遥控，没有预设轨迹，只靠自己的相机看路。澎湃新闻arXiv
这仍然是件硬活。过去的全身控制大多在已知场景里排练，HALO 的训练数据全部来自 1000 个程序生成的虚拟房间，约 16.3 万条、近 300 小时的“画面+指令+动作”配对样本。动作由扩散模型生成，几何检查筛掉脚底打滑、穿模和关节超限的样本，再从机器人头部视角渲染。训练里没见过一间真实房间，到了真机直接上场。 论文里最实在的一句话是：数据量随算力增长，而不是随人力增长。爱范儿
但 91% 是六项单项任务的平均值。论文真正值得看的是另一张表：把动作串起来，成功率掉到 70%；最长的“俯身过桌—走向目标—推箱子”，10 次里成功 5 次。样本不大，但 5 次失败里有 3 次是同一个原因：机器人钻出桌底后，头朝向别处，箱子不在视野里，它没回头找，反而被旁边的东西带走了。另一条“俯身—坐下”的链里，有两次它坐到了右边的沙发上。知乎
这不是腿脚问题，是“下一步”的问题。HALO 的三层结构里，上层 VLM 大约每两秒看一次画面，决定下一个子任务；中层每秒三次规划未来五秒的全身动作；底层以 50Hz 跟踪。每一层单独看都成立，但子任务交接时，上一段结束的朝向决定了下一段还能不能看见目标。人钻出桌底会自然转头找箱子，系统没有这个动作；它允许在不确定或跟丢时问操作员，但不会主动转身搜索。论文把“增加转身搜索等恢复行为”写进了下一步。机器人已经会做动作，但还不会在动作之间保持对目标的注意。
就算把链子接上，91% 里的“成功”也比听起来窄。论文给“走到指定物体”定的成功线，是停在目标 1 米以内。推箱子的成功线更低：箱子移动 0.3 米就算过；坐下也只要求坐在椅子 0.9 米范围内、躯干基本直立。这些数字衡量的是动作有没有做出来，不是事情有没有做完。在这篇论文里，它没有抓取、没有搬运、没有开抽屉，训练语料里只有 10 条固定指令。新增一个任务，仍要人写提示词、画关键帧——作者把这列为第一条局限：任务库扩张的速度，取决于人能把任务描述得多快。
把 91% 放进家里的长任务，会更刺眼。假设一次家务要五步，每步都按 91% 算，整件事的成功率约 62%；十步只剩 39%。这还是把每一步当独立、且不重复犯错算的乐观值；论文里的组合任务已经低于单项相乘。家里没有“这次失败了重来一次”的耐心：椅子坐空、箱子推倒、在老人小孩身边摔倒，代价都不是重跑一遍。
所以，离家用还有多远？如果问的是“苹果什么时候卖人形机器人”，答案是没时间表。苹果首款家用机器人 J595 不是人形，而是一块约 9 英寸的屏幕装在可旋转的机械臂上，原本计划 2027 年推出；据 The Information 爆料，由于软件和 AI 进度延误，不排除推迟到 2028 年上市。 HALO 用的是宇树的机身、千问的模型，苹果验证的是这套“大脑”能不能在别人的身体上跑起来，不是一台能买回家的产品。如果问的是技术还差什么，答案清楚得多：抓取和接触、目标丢失后的搜索、长任务的恢复，以及把单步成功率抬到让家庭敢用的水平。观察者网
HALO 最有价值的地方，不是把 91% 刷得更高，而是把训练数据从“雇人演示”变成“买卡生成”。这条路一旦走通，机器人的进步会像大模型一样，取决于算力和场景多样性。但进家门是另一场比赛：在家里，目标经常不在视野里，任务也没有“重开一局”。等它能自己回头找到那个箱子，再谈家用，才不算超前。
