11月4日，苹果机器学习研究团队向预印本平台arXiv提交论文《Perceptive Humanoid Motion from Simulation》，披露了人形机器人自主系统HALO的进展，国内媒体迅速跟进。这套系统最反直觉的部分是它的算力载体：宇树G1人形机器人后背的保护箱里，装着一台 Mac mini M4 Pro（64GB统一内存），从听懂指令到规划全身动作的大模型推理，全部在这台量产桌面主机上本地完成。论文显示，HALO在6个训练时从未见过、也没有提前扫描建图的真实环境里完成360次试验，取得91%的成功率。小红书arXivarXiv
这台Mac mini里跑着什么
Mac mini上同时住着两个模型。上层的编排器默认用千问Qwen3.6-35B-A3B，经4-bit量化后本地推理，负责把"去那边坐下"这类模糊指令拆成钻桌底、推箱子、跟随、走到椅子前等子任务，成功就推进、失败就重试。中层的动作生成器则以参数冻结的Qwen3.5-2B作视觉语言编码器，外挂DiT解码器，用flow matching做15步采样。微博苹果研究团队项目页
三层的节奏各是一档：编排器大约每2秒决定一次下一步，生成器每1/3秒重排一段5秒的全身动作——150帧、每帧36个值，先执行前0.5秒，跟踪器以50Hz闭环跟随。但真正驱动关节的不是这台小主机：跟踪器跑在宇树G1自带的Jetson Orin NX上，融合深度与本体感知，输出29个关节的目标角。实测延迟表明的结论更直白：生成器单次推理约152毫秒，与编排器共享推理引擎时也只有约155毫秒，编排器一次决策约0.7到1.5秒——消费级桌面跑家庭级实时交互，跟得上。苹果研究团队项目页arXiv
"消费级主机+嵌入式芯片"才是重点
“高内存消费级主机负责想、嵌入式芯片负责动”，是HALO对具身智能算力形态给出的工程答案。论文的说法相当直接：此前没有系统把"感知型底层控制器"与"完全运行在机载的生成式全身运动规划"结合起来。配套工程也是现成的：Mac mini直接从机器人内部电源总线取电，经千兆以太网与Orin桥接，整机全程无线缆拖挂，而六个真实环境、360次真机试验全部以零样本方式完成，评估口径刻意从严。arXiv
真正变化的是成本账
传统路线下，“一小时遥操作数据至少要一小时人力”；HALO把整条数据产线搬进仿真，在程序化生成的1,000个虚拟家庭场景中构建大规模视觉—语言—运动数据集。最终语料达300小时、3200万帧，语料规模随算力增长，而不随人力增长。哔哩哔哩arXiv
训练端确实花了真算力：250块H100生成语料、64块B200做模仿学习、4块H100做强化学习。但部署端只有那台商店里就能买到的桌面主机，“云端训练、机载推理"在人形机器人上首次完整闭环。这带来两个非常具体的收益：推理完全离线，家里的画面和指令不必出门，断网弱网照常工作；整机算力成本从"机房级"降到"桌面级”。组合本身也是信号——苹果自家的MLX框架跑的是阿里开源千问，本体是宇树G1，官方渠道9.9万元起。知乎
热度该降几档
91%是单项任务的平均成功率，链条一复杂就露怯。多任务序列平均约七成，"钻桌→走向物体→推箱"这类三步链只剩约五成。感知也几乎全靠视觉：物体一旦离开相机视野或被遮挡，机器人就没有信号表明它还在，接触密集型任务随之退化，触觉仍是空缺。微博arXiv
论文自己列的边界同样清醒：流水线去掉了数据采集里的人力，却没去掉任务设计里的人力——新增一个物理任务，仍需人工编写提示词、制作动作关键帧，技能库的增长速度就是人能写出任务的速度。另外要分清性质：这是一篇预印本论文，目前没有证据表明苹果要造机器人产品，Mac mini被背在G1身上，只说明这条路跑得通，不说明它会变成货架商品。arXiv
接下来值得盯的信号不是"苹果做不做机器人"，而是这套"双计算分工+仿真数据+机载推理"的路线会不会很快被其他本体复现。社区已经把这股风向说得很直白。说到底，人形机器人"大脑"的门槛，第一次降到了一台店里能买到的桌面主机。知乎
