AI9 lis 2026, 09:37 UTC·2 min czytania

Apple HALO: robot Unitree G1 z Makiem mini radzi sobie w nieznanych domach

Badacze Apple wytrenowali system HALO w 1000 wirtualnych domów. W 360 próbach z robotem Unitree G1 i Makiem mini M4 Pro osiągnął 91 proc. skuteczności.

A Unitree G1 humanoid robot with a head-mounted camera and a Mac mini backpack sitting down on a chair in a living room. — Zdjęcie: Spider's Web

Apple pokazało system HALO, który pozwala humanoidalnemu robotowi wykonywać polecenia w mieszkaniach, których wcześniej nie widział. W 360 próbach w sześciu rzeczywistych wnętrzach maszyna osiągnęła 91 proc. skuteczności. Żadne z tych miejsc nie było wcześniej skanowane ani użyte do przygotowania danych treningowych.

Opisano to w pracy „Perceptive Humanoid Motion from Simulation". HALO rozumie polecenia i na podstawie obrazu z kamer samo dobiera ruchy całego ciała. Robot potrafi podejść do wskazanego przedmiotu, usiąść na krześle, przejść bokiem przez częściowo otwarte drzwi, przykucnąć, przeczołgać się pod stołem lub popchnąć pudełko.

Trening w 1000 wirtualnych domów

Największym problemem w uczeniu humanoidów jest zdobywanie danych, bo zwykle wymaga to zdalnego sterowania albo przechwytywania ruchu człowieka. Apple przygotowało więc 1000 wirtualnych domów i wygenerowało w nich prawie 163 tys. epizodów, czyli około 300 godzin ruchu. System odrzucał błędne próby, na przykład gdy stopa przenikała przez podłogę. Zbiór powstał w 48 godzin na 250 procesorach graficznych Nvidia H100.

Liczba środowisk miała duże znaczenie. Przy nauce siadania w jednym domu skuteczność w nowych symulowanych wnętrzach wynosiła 43 proc., a po treningu w 1000 domów wzrosła do 84 proc.

Chiński robot i Mac mini na pokładzie

Apple nie zbudowało własnego humanoida. Użyto Unitree G1 od chińskiego producenta, z dodatkową kamerą na głowie i obudową z Makiem mini M4 Pro z 64 GB pamięci. Mac interpretuje polecenia i planuje ruch, a resztą steruje wbudowany Nvidia Jetson Orin NX, więc całość działa bez zewnętrznego komputera. Pierwszy moduł dzieli zadanie na prostsze czynności, drugi około trzech razy na sekundę planuje ruch na kolejne 5 sekund, a trzeci, pracujący z częstotliwością 50 Hz, pilnuje silników i równowagi.

W testach kucanie udało się w 100 proc. prób, przejście przez drzwi w 93 proc., dotarcie do przedmiotu w 92 proc., czołganie w 90 proc., popychanie pudełek w 88 proc., a siadanie w 85 proc.

Słabiej wypadły zadania wieloetapowe: średnia skuteczność spadła do 70 proc., a testy przeprowadzono w jednym rzeczywistym środowisku. Najtrudniejszy scenariusz, czyli kucnięcie, podejście do przedmiotu i popchnięcie pudełka, udał się tylko w połowie prób. Po pierwszej czynności robot często zostawał ustawiony tak, że kolejnego celu nie było widać.