一个从没进过这间屋子的机器人，第一次进门，侧身挤过半开的门，钻到桌子底下，再站起来，走到椅子边坐下。这是苹果研究团队 11 月 4 日放出的演示里的几个镜头：一台宇树 G1，背上驮着一台 Mac mini，在六个没有扫描、没有建图的真实家庭里，完成了 360 次单项任务，平均成功率 91%。arXiv
但同一篇论文里还有另一个数字：把动作连起来做，成功率只有 70%；三步的“钻桌底—走向目标—推箱子”，只有 50%。这三种组合在真实环境里各测了 10 次，样本不大；仿真里 50 个环境的均值也是 69%，两边对得上。第一财经
论文把失败写得很具体：有的试次里，机器人蹲着钻过桌子，出来时脑袋朝向另一边，目标箱子始终没进视野，它被旁边的物体吸引走了；还有的试次，它蹲完以后往右边的沙发上坐，而不是指定的椅子。不是走不过去，是它不知道下一步该看哪里。arXiv
这就是“家用”最难的地方。家里的任务不是一个个孤立的动作，而是一串接一串的：先钻过桌子，再找到箱子，再把它推走。每一步都依赖上一步结束时机器人的位置、朝向和视野。91% 的单项成绩，连起来做就掉到 70%；三步连起来，只剩一半。你在家里使唤机器人，不会只让它做一步。
那苹果到底跑通了什么？不是“机器人大脑”本身，而是训练它的数据流水线。过去教机器人做动作，主流办法是遥操作：人戴着动捕设备做一遍，机器人学一遍，一小时的人类时间换一小时的机器人数据。苹果的做法是在仿真里生成一千个程序化家庭，让机器人在里面自动产生 300 小时的“视觉—语言—动作”配对数据，再用 48 小时、250 张 H100 把数据造出来。训练时它没见过一个真实家庭，到了现实里却能直接干活。arXiv
数据不再被人的时间卡住，这是最实在的变化。苹果把这条流水线的代码公开了，也把“大脑”的成本摊开给你看：负责任务编排的是 Qwen3.6-35B-A3B，跑在背上那台 Mac mini 里。负责动作生成的是 Qwen3.5-2B 的冻结编码器加一个 DiT 解码器，也跑在同一台机器上。底层的 50Hz 控制跑在 G1 自带的 Jetson Orin NX 上，整套系统默认离线运行。arXivApple
这条新闻值得多看两眼：不是苹果做出了一个多聪明的机器人，而是它用“仿真数据 + 现成开源模型 + 桌面级算力”的组合，把具身智能最贵的那一段——数据——的时间成本打了下来。对行业来说，这比 91% 更有分量。
但回到“普通人”这三个字，差距不在算法，在另外几件事。论文里的六个技能——走向指定物体、坐下、侧身过门、蹲下、爬行、推箱子——没有一项需要把东西拿起来。机器人没有抓取，没有搬起，没有开门，没有收拾。作者自己也写，视觉感知不到接触，物体一旦离开画面，它就不知道东西还在不在。新增一个任务，仍然需要人写提示词、设计关键帧。换句话说，它学会的是“走过去、蹲下来、坐下去”，不是“把桌子收了”。arXiv第一财经
价格是另一道门。宇树 G1 的公开起售价是 9.9 万元，这还不算背上那台 Mac mini。而一项针对千名美国消费者的调查显示，69% 的人不愿为家用机器人支付超过 5000 美元，25% 的人任何价格都不买。这不是“买不买得起”的单一问题，而是“值不值”的问题：一个还没证明自己能省多少事的机器人，很难让普通家庭先掏出一辆车的钱。微博知乎
所以，回到那个问题：普通人离家用机器人还有多远？如果指的是一个能自己走进陌生家庭、找到椅子坐下的机器人，苹果这次把数据的时间成本打下来了一截，剩下的更多是产品和工程问题。如果指的是一个能帮你收桌子、洗碗、照顾老人的机器人，答案还是那句：它得先长出一双能感知接触的手。HALO 没有碰这件事，整篇论文没有一项抓取任务。苹果已经让机器人学会了在陌生的家里走路。接下来，它得学会在陌生的家里干活。
