IT之家 في 7 نوفمبر: في 4 نوفمبر بالتوقيت المحلي، قدم فريق أبحاث آبل ورقة بعنوان《Perceptive Humanoid Motion from Simulation》على منصة الأوراق البحثية الأولية arXiv، كاشفاً نظام التحكم الذاتي للروبوت ذي الشكل البشري HALO.
كما أعلن فريق الأبحاث علنياً عن الأكواد الخاصة بتوليد البيانات وتدريب النماذج والنشر، والتي تغطي توليد الحركات وتتبع الحركات وتنسيق المهام وتشغيل المحاكاة والروبوت الحقيقي.
في مرحلة التطبيق العملي،اعتمد فريق الأبحاث على روبوت Unitree G1 ذي الشكل البشري من شركة Unitreeمع تركيب غلاف حماية خاص مطبوع بتقنية الطباعة ثلاثية الأبعاد 3D على الظهر،يضم جهاز Mac mini(شريحة M4 Pro، ذاكرة موحدة بسعة 64GB)، وMac mini مسؤول عن الاستدلال في الوقت الفعلي على متن الروبوت للوحدات عالية التكلفة الحسابية Orchestrator (VLM) وMotion Generator (DiT)؛ بينما تركز شريحة اللوحة المدمجة في G1 على تشغيل Tracker (شبكة سياسات RL) بتردد عالٍ.
عند تنفيذ المهام، يعمل HALO بتحكم منسق من ثلاثة مستويات. المستوى الأعلى هو وحدة تنسيق المهام القائمة على نموذج الرؤية واللغة (VLM)، والذي يعتمد افتراضياً على Qwen3.6-35B-A3B من Qwen، ويمكن للنظام أيضاً اختيار استدعاء النماذج السحابية عبر API؛ طبقة توليد الحركات في الوسط تعتمد نموذج Qwen آخر هو Qwen3.5-2B؛ أما المستوى الأدنى فهو متتبع الحركات المدرب عبر خطوات التعلم المعزز وتقطير السياسات، ويعمل بتردد 50 مرة في الثانية.
ووفقاً للورقة،أجرى فريق الأبحاث 360 اختباراً لمهام فردية في 6 بيئات حقيقية لم تُمسح أو تُنشئ خرائطها مسبقاً، بمتوسط نسبة نجاح بلغت 91%。
أما بالنسبة للمهام المركبة طويلة التسلسل، ففي مشهد حقيقي واحد، أُجري 10 اختبارات لكل منها، وكان متوسط نسبة نجاح التركيبات الـ3 70%؛ ومنها الأكثر تعقيداً "الانحناء للمرور عبر العوائق — التوجه نحو الهدف — دفع الصندوق" حيث نجحت 5 من 10 اختبارات، بنسبة نجاح 50%.
بحسب المعلومات، استخدم فريق الأبحاث 250 وحدة من معالجات NVIDIA H100 GPU واستغرق نحو 48 ساعة لتوليف بيانات التدريب الرئيسية. ومولّد الحركات دُرب عبر التعلم بالمحاكاة باستخدام 64 وحدة من B200؛ بينما دُرّب متتبع الحركات عبر خطوات التعلم المعزز وتقطير السياسات باستخدام 4 وحدات من H100.
غير أن البيانات المولدة بالمحاكاة لم تتخلص تماماً من المشاركة البشرية. وأوضح الفريق أن إضافة المهام الفيزيائية الجديدة لا تزال تتطلب كتابة الأوامر النصية يدوياً وتصميم الإطارات المفتاحية للحركات، كما استخدمت بعض الحركات مقاطع فيديو بشرية أو مواد التقاط الحركة.
وأشار فريق الأبحاث في الوقت ذاته إلى أن الروبوت يعتمد حالياً بشكل أساسي على الإدراك البصري، ويصعب عليه الإدراك المباشر لحالات التلامس؛ وعندما يخرج الجسم من مجال رؤية الكاميرا أو يُحجب، يتدهور أداء المهام التي تنطوي على تلامس كثير. وإضافة الإدراك اللمسي ستكون أحد اتجاهات التحسين اللاحقة.
يوفر IT之家 الروابط ذات الصلة:
الورقة البحثية:https://arxiv.org/abs/2611.06908
الصفحة الرئيسية للمشروع:https://apple-aiml-research.github.io/ml-halo/
مستودع GitHub:https://github.com/apple-aiml-research/ml-halo