HALO 的 91% 成功率說明了什麼?

  • 蘋果研究團隊披露,HALO 系統在 6 個未預先掃描或建圖的真實環境中,進行了 360 次單項任務測試,平均成功率為 91%。這說明機器人已能在一定程度上依靠自主控制,完成真實環境中的單項任務。
  • 組合任務的成績明顯較低:在另一個真實環境中,3 種組合任務各測試 10 次,平均成功率為 70%;「彎身通過障礙—走向目標—推箱子」這項任務的成功率為 50%。從單一動作轉向連續任務時,執行穩定性仍會下降。

哪些短板限制成功率拓展至更多場景?

  • 資料生成仍有人員參與:新增實體任務需要人工撰寫提示詞、設計動作關鍵影格,部分動作也會借助人類影片或動作捕捉素材。因此,測試成績不代表機器人已能自行適應任意新任務。
  • HALO 目前主要依賴視覺,難以直接感知接觸;物體離開鏡頭或遭遮擋時,涉及較多接觸的任務表現會下降。蘋果團隊將觸覺感知列為後續改進方向,而資料稀缺、標註困難與實體環境複雜,也構成泛化障礙。

為什麼機構將焦點放在「大小腦融合」?

  • 「大腦」負責認知與決策,「小腦」負責運動控制;兩者協同,才能將感知、決策與執行連成閉環。報告將產業演進概括為從分層、協同架構走向更深度融合,但也指出,目前 AI 大模型與人形機器人的融合仍較淺。
  • 興業證券董曉彬認為,機器人硬體工藝已達到較高水準,具身智慧能力可能成為發展瓶頸;目前應用場景仍相對聚焦。若專用場景擴大、訓練方式最佳化且硬體持續突破,高品質資料的累積才可能加快,並推動應用延伸至通用及家庭場景。

相關公司的進展處於同一階段嗎?

  • 並非如此。均勝電子表示已推出大小腦控制器等零組件,但北美客戶相關產品仍在推進送樣、迭代升級與量產工作;智微智能表示,其機器人大小腦控制器領域已有客戶訂單落地;星宸科技面向具身智慧的大小腦 SoC 則已陸續投片。
  • 這些資訊分別對應零組件、控制器與晶片的不同進度,反映產業鏈已有產品與專案持續推進,但不能將送樣、訂單與投片視為相同的商業化階段。