Apple presenta el sistema humanoide halo, logrando una tasa de éxito del 91% en entornos no mapeados

Los equipos de investigación de Apple publicaron recientemente un artículo en arXiv detallando HALO, un sistema de control autónomo para robots humanoides. Los investigadores también han publicado el código asociado para la generación de datos, el entrenamiento del modelo y la implementación, que abarca aspectos como la generación de movimientos y la orquestación de tareas. Para las pruebas en el mundo real, el sistema utilizó un robot Unitree G1 equipado con una carcasa impresa en 3D personalizada y un Mac mini con un chip M4 Pro. HALO opera en tres capas de control: un Modelo de Lenguaje-Visión (VLM) para la planificación de tareas (que utiliza Qwen3.6-35B-A3B de forma predeterminada), un modelo Qwen3.5-2B para la generación de movimientos y un rastreador de bajo nivel que funciona a 50 Hz mediante aprendizaje por refuerzo. Las pruebas en 6 entornos no mapeados mostraron una tasa de éxito promedio del 91% para las pruebas de tareas individuales. Para tareas complejas y de varios pasos, la tasa de éxito promedio en tres combinaciones fue del 70%, con la secuencia más difícil logrando un 50% de éxito. El proceso de entrenamiento requirió 250 GPU NVIDIA H100 para la síntesis de datos y consistió en entrenar el generador de movimientos con 64 GPU B200 y el rastreador con 4 H100. El equipo señaló que las futuras mejoras se centrarán en la integración de la detección táctil, ya que el sistema actual tiene dificultades con las tareas basadas en el contacto cuando los objetos salen de la vista de la cámara.