苹果研究团队发布机器人自主系统HALO，把视觉语言动作和控制装进同一套系统，全部在机器人本地运行。你仔细看，搭载HALO的宇树G1走进陌生客厅，你说一句"穿过这扇门""坐到椅子上"，它就会找目标、规划动作并完成任务，不用提前扫描建图，没有预设轨迹，坐下、过门、钻桌、推箱全能干。 HALO最猛的是把机器人的大脑、小脑和运动神经串了起来。上层视觉语言模型大约每两秒思考一次，把人话拆成任务；中间的动作生成器每秒运行三次，规划未来五秒覆盖二十九个关节的全身动作；底层追踪器以五十赫兹执行，结合深度视觉和自身状态，保证每一步都站得住。 训练方式更炸裂。HALO的训练数据来自仿真环境，苹果没有让人穿动作捕捉服反复示范，而是在一千个虚拟家庭里自动生成约三百小时、超过十六万段视觉语言动作数据，整个数据集只用四十八小时和两百五十张H100完成。 训练时没见过真实家庭，上真机就直接零样本迁移。真机测试更硬核，苹果把HALO装进宇树G1，背上一台Mac mini M4 Pro，在六个从未参与训练、也没有提前扫描建图的真实环境中完成三百六十次测试，六类任务平均成功率达到百分之九十一。 这才是HALO真正的分量。机器人行业下一场争夺，拼的就是谁先让它在陌生世界里看懂、想明白，再把活稳稳干完。