Apple HALO: un robot Unitree G1 con Mac mini en casas nuevas

Entrenado en 1.000 casas virtuales

El mayor obstáculo al entrenar humanoides son los datos, ya que normalmente alguien debe demostrar el comportamiento mediante teleoperación o captura de movimiento. Apple generó 1.000 casas virtuales con distintas distribuciones y mobiliario, con casi 163.000 episodios de entrenamiento y unas 300 horas de movimiento. Cada ejemplo combinaba una orden, la vista del robot y la secuencia de movimientos correspondiente. Los intentos inválidos, como un pie que atraviesa el suelo, se descartaban automáticamente. Preparar el conjunto de datos llevó 48 horas con 250 GPU Nvidia H100.

La variedad resultó decisiva: entrenado en un solo entorno, el sistema acertaba al sentarse en el 43 % de las nuevas salas simuladas; con 1.000 entornos, el 84 %.

Un robot chino con un Mac a la espalda

Apple no construyó su propio humanoide. El equipo usó un Unitree G1, del fabricante chino, al que añadió una cámara en la cabeza y una carcasa con un Mac mini M4 Pro con 64 GB de memoria. El Mac interpreta las órdenes y planifica los movimientos, mientras que el Nvidia Jetson Orin NX del robot se encarga del resto, sin depender de un ordenador externo.

HALO se divide en tres módulos: uno descompone la orden en pasos simples, otro planifica unas tres veces por segundo los siguientes cinco segundos de movimiento y un tercero controla los motores a 50 Hz y mantiene el equilibrio.

Dónde sigue fallando

Agacharse bajo un obstáculo se logró en todas las pruebas, cruzar la puerta en el 93 %, alcanzar un objeto en el 92 %, arrastrarse en el 90 %, empujar cajas en el 88 % y sentarse en el 85 %. En tareas de varios pasos, la media bajó al 70 %, probada en un solo entorno real. La secuencia más difícil, agacharse, acercarse a un objeto y empujar una caja, solo funcionó la mitad de las veces. Los investigadores observaron que, tras la primera acción, el robot solía quedar colocado de modo que el siguiente objetivo no se veía.