arXiv cs.AI· Siyuan Hu, Abulikemu Abuduweili, Yue Meng, Shipeng Liu, Quentin Leboutet, Chen Chen, Matthias M\"uller, Vladlen Koltun·· 3 小时前精选AI 评分62
HALO 人形机器人系统通过仿真合成数据实现 91% 真实环境零样本成功率
Perceptive Humanoid Motion from Simulation
AI 导读
研究团队提出人形自主系统 HALO，用跨一千个程序生成住宅的视觉-语言-运动数据管线替代人工遥操作采集，让数据规模随算力而非人力扩展。HALO 学会坐下、寻物导航、侧步过半开门、桌下蹲爬和推箱等技能并组合完成长时程任务，训练中从未见过真实住宅，在六个未测绘真实环境的 360 次试验中取得 91% 成功率，代码和视频已开源。
推荐理由
原文给出从零真实环境训练到 91% 零样本迁移成功率的具体数据，读者可据此评估仿真合成数据路线在具身智能上的可行性。
正文 · AI 翻译
摘要：人形机器人有潜力将广泛的物理任务自动化。然而，通向通用人形自主性的进展仍受数据瓶颈制约：将像素和自由形式的语言映射到低层关节指令需要成对的监督数据，而目前尚不存在规模足够大的此类数据语料库。一些方法依赖人类遥操作和可穿戴捕捉设备，生产一小时的数据需要至少一小时的人类时间。我们提出 HALO，一个由能够在千个程序化生成家居中合成视觉-语言-运动数据的流水线驱动的人形自主系统。该语料库随算力而非人类劳动而扩展。HALO 获得了一系列物理技能，包括坐到椅子上、导航到指定名称的物体、侧身穿行半开的门、在桌子下方蹲伏和爬行，以及推动箱子。它能编排这些技能来解决复合的长时程任务。HALO 在训练期间从未见过真实的家居环境，却能零样本迁移到物理世界，在六个未测绘的真实世界环境中的 360 次试验中达到 91% 的成功率。代码和视频见 此 https 链接。
| 评论： | 代码和视频见：此 https 链接 |
| 分类： | 机器人学 (cs.RO)；人工智能 (cs.AI)；计算机视觉与模式识别 (cs.CV)；机器学习 (cs.LG) |
| 引用格式： | arXiv:2611.06908 [cs.RO] |
| （或 arXiv:2611.06908v1 [cs.RO] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.06908 arXiv 生成的 DOI 经由 DataCite（注册待完成） |
提交历史
来自：Matthias Müller [查看邮件]
[v1]
2026年11月4日 周三 18:55:33 UTC（14,644 KB）
来源：arXiv cs.AI · arxiv.org