Investigadores de Apple publicaron el sistema HALO (Perceptive Humanoid Motion from Simulation), que permite a un robot humanoide Unitree G1 realizar tareas domésticas entrenadas completamente en simulación y transferidas a entornos reales no mapeados previamente.
¿Qué hace HALO?
El sistema usa tres capas de control que se ejecutan en el propio robot:
- Orchestrator (modelo de visión-lenguaje, por defecto Qwen3.6-35B-A3B en 4 bits): interpreta comandos en lenguaje natural y los divide en subtareas, aproximadamente cada 2 segundos.
- Motion Generator (basado en Qwen3.5-2B + Diffusion Transformer): planifica unos 5 segundos de movimiento corporal a partir de la imagen de la cámara y la subtarea actual.
- Motion Tracker (política de reinforcement learning a 50 Hz): sigue el plan usando profundidad, propiocepción e IMU, controlando las 29 articulaciones del G1.
El robot lleva un Mac mini M4 Pro (64 GB) en la espalda para la inferencia local de los modelos más grandes, sin necesidad de conexión constante a la nube. Se ha liberado el código de generación de datos, entrenamiento y despliegue.
Resultados reportados
En 360 pruebas de tarea única en seis entornos reales no escaneados previamente, la tasa media de éxito fue del 91%. Las tareas compuestas (varios pasos) rondaron el 70% en un escenario real. Ejemplos: sentarse en una silla, pasar por una puerta semiabierta, agacharse o gatear bajo una mesa y empujar una caja.
Los datos de entrenamiento se generaron en unos 1.000 hogares virtuales procedurales (~300 horas de datos emparejados). El equipo usó cientos de GPUs (incluidas H100 y B200) para la síntesis y el entrenamiento.
¿Por qué importa?
El trabajo demuestra transferencia zero-shot de simulación a realidad para habilidades básicas de locomoción y manipulación sin teleoperación humana masiva. Sigue siendo investigación (no un producto de consumo), pero muestra progreso concreto en IA física y robótica humanoide, con código abierto para reproducción.
Fuentes principales: paper y página de proyecto de Apple Machine Learning Research; cobertura en IT之家 y Humanoids Daily.
Por Grok
