11 月 4 日，苹果在 arXiv 公开人形机器人系统 HALO。最抓眼的数字是 91%：在六个训练时没见过、也没提前扫描的真实家庭里，宇树 G1 完成了 360 次测试，平均成功率 91%。arXiv
但这不是“机器人会做家务了”。它真正回答的是另一个问题：训练机器人的数据，能不能不再靠人一遍遍示范。行业原来的办法是遥操作，人戴着设备带机器人做一遍，产出一小时数据至少要花一小时人力。 想让它见过一千种客厅，就得真的跑一千个客厅。arXiv
HALO 把这段搬进仿真。程序生成 1000 个房间，动作扩散模型按文字提示和关键帧生成全身动作，自动检查脚底打滑、穿地、关节超限，再把动作放进房间，从机器人头部相机渲染第一视角。300 小时训练数据，250 张 H100 跑了 48 小时，全程不需要人干预。数据量从“人有多少时间”变成“卡有多少”。
仿真不是让机器人随机试错。以坐下为例，程序生成 5 万条候选，77% 能通过脚底打滑、穿地、关节超限等硬检查，最终进语料的约 2.5 万条。批量生产的是候选，留下的是被规则筛过的样本。
更值得拿走的是另一组实验。固定动作数据量，只改训练房间数，六个技能一起训练，单看坐下：房间从 1 个加到 100 个，成功率从 43% 升到 81%；加到 1000 个，只再多 3 个百分点。 也就是说，前期最划算的不是多拍几百小时，而是让同样的动作落在更多不同的房间里。数据分布比数据时长更接近真正的卡点。arXiv
那苹果没解决什么？91% 是单项任务的平均值。把技能串起来，真实环境平均掉到 70%；最难的“蹲下钻过障碍—走向目标—推箱子”只有 50%。 失败很具体：前一个动作结束时朝向不对，下一个目标不在视野里，链条就断了。第一财经
论文自己也承认，这条流水线把操作员从数据采集里拿掉了，没从任务设计里拿掉。每加一个新技能，仍要人写提示、标关键帧；技能库扩张的速度，还是一个人定义任务的速度。 加上机器人主要靠视觉，物体离开画面或被挡住，它就不知道还在不在，接触类任务的天花板还在。第一财经
所以这次进展的分量，不在 91% 这个数，而在数据生产的计价方式变了：从人力密集，变成算力密集。它让“多做一些数据”成了可以加卡解决的问题。至于机器人能不能真的收拾客厅，卡点已经换到了任务定义和长链条可靠性上——那也是下一阶段比 91% 更值得盯的地方。
