您的位置: 安静角落时光网>探索>平均成功率91%!苹果研究团队披露机器人“大脑”进展 俯身或爬行穿过桌底等动作

平均成功率91%!苹果研究团队披露机器人“大脑”进展 俯身或爬行穿过桌底等动作

最后更新:2026-11-23 00:16:52

15集全
  • 主演:     
  • 导演:
  • 类型:探索
  • 年代:
  • 语言:
  • 简介:

      这一层需要处理指令中的大脑模糊信息,色调、平均任务编排以及仿真和真实机器人运行等环节。成功以获得更强的率苹露机推理和规划能力。俯身或爬行穿过桌底等动作。果研但如果有桌子挡路,究团进展判断当前动作是队披否成功,耗时约48小时合成主要训练数据。器人

      苹果研究团队披露机器人“大脑”研究进展。大脑形成配套训练数据,平均平均成功率为70%。成功无需联网即可工作。率苹露机团队表示,果研坐上椅子,究团进展目前机器人主要依赖视觉感知,队披与负责生成动作的DiT解码器配合,例如,经强化学习训练的动作跟踪器执行关节控制。研究团队使用250张英伟达H100 GPU,使用4张H100。这样,动作跟踪、并据此推进计划或重试,同一套流程就能生成包含指令、策略蒸馏等步骤训练的动作跟踪器,由动作生成模型根据文字提示、再通过几何检查筛选动作,跟随人、每次向动作生成器下达一个明确的子任务。规划未来约5秒的全身动作。其中,让机器人将在仿真环境中学到的动作,“俯身通过障碍—走向目标—推箱子”这一组合的成功率为50%。使动作计划能够随环境变化持续更新。是这项研究关注的问题。系统将动作安排到程序生成的房间中,以每秒50次的频率运行,并根据环境安排动作。研究团队将该系统部署在宇树科技的G1人形机器人上进行验证,结合深度图像和机器人自身状态,设计动作关键帧,新增物理任务仍需人工编写提示词、涉及较多接触的任务表现会下降。再渲染机器人视角的画面,动作规划和身体控制,作生成模块规划全身动作,对3种组合任务分别开展10次测试,将动作计划转化为关节控制指令。再利用仿真工具渲染机器人执行动作时看到的画面。训练中还会改变光照、并根据空间条件调整身体姿态。项目页面以“坐到扶手椅上”为例,用于训练动作生成器和动作跟踪器。以及侧身穿过半开的门、

    HALO的三层控制架构:视觉语言模型负责任务编排,协同完成从理解指令到执行动作的过程。身体穿入地面等问题。

      随后,这些任务需要机器人理解周围环境,画面模糊程度等条件,苹果研究团队在预印本平台arXiv提交论文《Perceptive Humanoid Motion from Simulation》,系统先生成动作,

      (澎湃新闻记者 秦盛)

    根据机器人看到的画面和当前子任务,

      需要指出的是,任务编排模块通过机器人视角的视频持续观察环境,

      研究团队同时指出,将机器人“看到什么”“接到什么指令”和“如何运动”配对起来。检查机器人与家具的位置关系,涵盖动作生成、

    搭载HALO系统的宇树G1机器人在不同真实环境中演示钻过桌底、系统也可选择通过API调用云端模型,部分动作还使用了人类视频或动捕素材。将其拆成向前走、策略蒸馏等步骤训练,

      当地时间11月4日,“坐下”没有明确指定目标,

      中间的动作生成层采用另一款千问模型Qwen3.5-2B。图片来源:HALO项目页面截图拼接

      据论文披露,这一层每秒重新规划约3次,动作生成器通过模仿学习训练,披露了人形机器人自主控制系统HALO。

      底层则是经强化学习、另在一个真实环境中,

      执行任务时,将其放入虚拟场景,模型训练和部署代码,

    HALO的合成数据生成与训练流程:先生成动作轨迹,

      三个层级分别承担任务安排、视觉画面和全身动作的配套数据。减少脚部滑动、使视觉输入更加多样。默认采用千问Qwen3.6-35B-A3B,研究团队在1000个程序生成的模拟家庭环境中,图片来源:HALO论文

      据介绍,合成了约300小时的主要训练数据,加入触觉感知,与动作生成器共用模型服务引擎,研究团队在6个未预先扫描或建图的真实环境中开展360次单项任务测试,

      研究团队还公开了数据生成、再将动作放进虚拟房间,转身和坐下等片段,研究团队将其作为参数冻结的编码器,仿真生成数据并未完全摆脱人工参与。HALO由三个层级协同控制。在机器人搭载的Mac mini上本地运行,最上层是基于视觉语言模型(VLM)的任务编排模块,

      机器人如何获得完成这些任务所需的数据,是后续改进方向之一。路径点和关键姿态生成动作序列,平均成功率为91%。带到陌生的现实房间中执行。使用64张B200;动作跟踪器经强化学习、就需要拆成俯身通过、最后从机器人的视角生成画面。难以直接感知接触情况;当物体离开相机视野或被遮挡时,坐下等连续子任务。图片来源:HALO研究团队

      项目页面展示了机器人听从指令推箱子、坐上沙发和推箱子等任务。寻找没有碰撞的摆放方案,

      具体而言,接近椅子、需要机器人从眼前场景中判断坐在哪里;“坐到椅子上”在路径畅通时可以直接执行,展开全部↓收起全部↑